Для чего нужен pooling слой?

Pooling слой в нейронных сетях используется для уменьшения размерности входных данных, что помогает снизить вычислительную нагрузку и уменьшить количество параметров модели. Он также способствует выделению наиболее важных признаков, повышая устойчивость модели к смещениям и искажениям входных данных.

Наиболее распространённые типы pooling:

• Max pooling — выбирает максимальное значение из области.
• Average pooling — вычисляет среднее значение.

Пример max pooling с размером окна 2x2 и шагом 2:

import torch
import torch.nn as nn

input_tensor = torch.tensor([[[[1, 2, 3, 4],
                               [5, 6, 7, 8],
                               [9, 10, 11, 12],
                               [13, 14, 15, 16]]]], dtype=torch.float32)

pool = nn.MaxPool2d(kernel_size=2, stride=2)
output = pool(input_tensor)
print(output)

Результат будет содержать максимумы из каждого 2x2 блока, уменьшая размерность с 4x4 до 2x2.