下采样上采样 nn.MaxPool2d() nn.AvgPool2d()池化层

1.下采样是缩小图像，英文是subsampled或者downsampled；上采样是放大图像，英文是upsampling

2.池化层是当前卷积神经网络中常用组件之一，它最早见于LeNet一文，称之为Subsample。自AlexNet之后采用Pooling命名。池化层是模仿人的视觉系统对数据进行降维，用更高层次的特征表示图像。

实施池化的目的：(1) 降低信息冗余；(2) 提升模型的尺度不变性、旋转不变性；(3) 防止过拟合。

池化层的常见操作包含以下几种：最大值池化，均值池化，随机池化，中值池化，组合池化等。

https://pytorch-cn.readthedocs.io/zh/latest/package_references/torch-nn/

详细的参数直接看文档吧

标签：采样,池化层,nn,AvgPool2d,池化,图像,不变性
来源： https://www.cnblogs.com/h694879357/p/15985324.html