最大池化是一种常见的操作，用于减小输入特征图的大小并提取最显著的特征。PyTorch提供了torch.nn.functional.max_pool2d` 函数来执行这个操作，如果不具备pytorch环境，可以通过C++实现这个操作，更清楚地了解其原理； PyTorch实现 函数调用 import torch# 示例输入张量head_out = torch.randn(1, 3, 28, 2

1、MaxPooling1D layer 一维最大池化层 keras.layers.MaxPooling1D(pool_size=2, strides=None, padding="valid", data_format=None, name=None, **kwargs) 参数说明 pool_size：整数或整数元组，表示池化窗口的大小。如果为整数，则在每个维度上使用相同的池化窗口大小