池化层.最大池化

import torch
from torch import nn
#设置输入数据，5*5矩阵
input=torch.tensor([[1,2,0,3,1],
                    [0,1,2,3,1],
                    [1,2,1,0,0],
                    [5,2,3,1,1],
                    [2,1,0,1,1]],dtype=torch.float32)
#变换输入数据使得输入符合池化层要求的格式
#-1batch_size自己算，1代表一维，5*5的矩阵
input=torch.reshape(input,(-1,1,5,5))
#定义神经网络类
class MyModel(nn.Module):
    def __init__(self):
        super(MyModel, self).__init__()
        #构建池化层
        self.pooling=torch.nn.MaxPool2d(3,ceil_mode=True)
    #前向传播函数
    def forward(self,input):
        return self.pooling(input)
#实例化神经网络对象
model=MyModel()
#将数据喂入神经网络处理
output=model(input)
print(output)

C:\ProgramData\Anaconda3\envs\AI\python.exe C:/Users/且看风去风留/PycharmProjects/pytorch/pooling_layer.py
tensor([[[[2., 3.],
          [5., 1.]]]])