在 PyTorch 的“MaxPool2D”中，是否根据“ceil_mode”添加填充？答案

【问题标题】：In PyTorch's "MaxPool2D", is padding added depending on "ceil_mode"?在 PyTorch 的“MaxPool2D”中，是否根据“ceil_mode”添加填充？
【发布时间】：2020-05-11 08:55:33
【问题描述】：

在MaxPool2D 中，填充默认设置为 0，ceil_mode 也设置为 False。现在，如果我有一个大小为7x7 和kernel=2,stride=2 的输入，则输出形状变为3x3，但是当我使用ceil_mode=True 时，它变为4x4，这是有道理的，因为（如果以下公式正确） , 对于 7x7 和 output_shape 将是 3.5x3.5 并且取决于 ceil_mode 它将是 3x3 或 4x4。

现在，我的问题是，如果ceil_mode=True，它会改变默认的padding吗？

如果是，那么它是如何添加填充的，即它是在左边还是右边，先上还是下添加填充？

【问题讨论】：

标签： deep-learning neural-network pytorch padding max-pooling

【解决方案1】：

Ceil_mode=True 更改填充。

在 ceil 模式的情况下，会在右侧和下方添加额外的列和行。（不是顶部也不是左侧）。它不需要是一个额外的列。这也取决于步幅值。我刚刚编写了小代码 sn-p，您可以在其中检查填充的值是如何在任一模式下汇集的。

在我找到上面提到的post 之前，我对您的问题进行了同样的实验，似乎在池操作期间没有使用零填充，在我下面的示例中，零将是要采取的最大元素，但情况似乎并非如此。

    test_tensor = torch.FloatTensor(2,7,7).random_(-10,-5)
    print(test_tensor)
    max_pool = nn.MaxPool2d(kernel_size=2, stride=2, ceil_mode=True)
    print(max_pool(test_tensor))
    max_pool = nn.MaxPool2d(kernel_size=2, stride=2, ceil_mode=False)
    print(max_pool(test_tensor))

随机样本张量：

    tensor([[[ -6.,  -9.,  -7., -10.,  -6.,  -8.,  -6.],
             [-10., -10., -10.,  -6., -10.,  -9.,  -6.],
             [-10.,  -7.,  -7.,  -8., -10., -10.,  -9.],
             [ -8., -10., -10.,  -9.,  -9., -10.,  -9.],
             [ -8.,  -6.,  -8.,  -6.,  -7.,  -7.,  -9.],
             [-10.,  -8.,  -7., -10.,  -9.,  -6.,  -8.],
             [-10.,  -6.,  -9., -10.,  -9.,  -9., -10.]],

            [[-10.,  -8.,  -6., -10.,  -9.,  -6.,  -7.],
             [ -7.,  -7., -10., -10.,  -6.,  -9.,  -7.],
             [ -6., -10.,  -7.,  -8.,  -8., -10.,  -9.],
             [ -8.,  -8.,  -6.,  -7.,  -6.,  -8.,  -6.],
             [ -9.,  -8.,  -7., -10.,  -8.,  -8.,  -7.],
             [-10., -10.,  -6.,  -9.,  -8.,  -8.,  -8.],
             [-10.,  -6.,  -9.,  -9.,  -7.,  -9., -10.]]])

ceil_mode=真


    tensor([[[ -6.,  -6.,  -6.,  -6.],
             [ -7.,  -7.,  -9.,  -9.],
             [ -6.,  -6.,  -6.,  -8.],
             [ -6.,  -9.,  -9., -10.]],

            [[ -7.,  -6.,  -6.,  -7.],
             [ -6.,  -6.,  -6.,  -6.],
             [ -8.,  -6.,  -8.,  -7.],
             [ -6.,  -9.,  -7., -10.]]])

ceil_mode=False

    tensor([[[-6., -6., -6.],
             [-7., -7., -9.],
             [-6., -6., -6.]],

            [[-7., -6., -6.],
             [-6., -6., -6.],
             [-8., -6., -8.]]])

【讨论】：