Pooling katmanı ne işe yarar?

Yapay sinir ağlarındaki havuzlama katmanı, giriş verilerinin boyutunu küçültmek için kullanılır, bu da hesaplama yükünü azaltmaya ve model parametrelerinin sayısını azaltmaya yardımcı olur. Ayrıca, giriş verilerindeki en önemli özellikleri vurgulamaya katkıda bulunur, böylece modelin kaymalara ve bozulmalara karşı dayanıklılığı artar.

En yaygın havuzlama türleri:

• Max pooling — bir bölgeden maksimum değeri seçer.
• Average pooling — ortalama değeri hesaplar.

2x2 boyutunda pencere ve 2 adım ile max pooling örneği:

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)

Sonuç, her 2x2 bloktan maksimumları içerecek ve boyutu 4x4'ten 2x2'ye indirecektir.