Mengenal MaxPool2d

Mengenal MaxPool2d – Setelah kita mengenal perhitungan convolutional yang berguna untuk menghasilkan ciri fitur, sekarang kita akan belajar mengenai MaxPool2d untuk mereduksi matrix berdasarkan nilai maksimalnya. Biasanya setelah melakukan convolutional akan dilakukan transfer learning seperti ReLu dilanjutkan dengan MaxPool2d.

Ilustrasi perhitungan MaxPool2d sangat mudah koq, seperti pada gambar dibawah ini

Cara mudah seperti dibahas di Mengenal Conv2d pada algoritma CNN menggunakan input dari numpy dan diset batch=1, channel=1 seperti berikut

import numpy as np
import torch
import torch.nn as nn
a= np.array([
            [1,1,2,4],
            [5,6,7,8],
            [3,2,1,0],
            [1,2,3,4]
            
             ],dtype=np.float)


a = torch.from_numpy(a)
a = a.unsqueeze(0).unsqueeze(0) #tambah batch dan channel
pool = nn.MaxPool2d(2, 2)
b = pool(a)
print(b)

hasilnya

tensor([[[[6., 8.],
          [3., 4.]]]], dtype=torch.float64)

Lebih lanjut kalian bisa baca https://pytorch.org/docs/stable/generated/torch.nn.MaxPool2d.html