max_pool2D报错，到第五层的时候输出变成0了

Question

in _max_pool2d
    return torch.max_pool2d(input, kernel_size, stride, padding, dilation, ceil_mode)
RuntimeError: Given input size: (512x2x1). Calculated output size: (512x1x0). Output size is too small

def forward(self, X):
     h_relu1 = self.slice1(X)
     h_relu2 = self.slice2(h_relu1)
     h_relu3 = self.slice3(h_relu2)
     h_relu4 = self.slice4(h_relu3)
     h_relu5 = self.slice5(h_relu4)
     out = [h_relu1, h_relu2, h_relu3, h_relu4, h_relu5]
    return out   

在执行到h_relu5的时候报错
 RuntimeError: Given input size: (512x2x1). Calculated output size: (512x1x0). Output size is too small  
 其中
h_relu1是tensor4,64,16,12 
 h_relu2是tensor4,128,8,6
 h_relu3是tensor4,256,4,3 
 h_relu4是tensor4,512,2,1

self.slice5  
Sequential(
  (21): Conv2d(512, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
  (22): ReLU(inplace=True)
  (23): Conv2d(512, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
  (24): ReLU(inplace=True)
  (25): Conv2d(512, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
  (26): ReLU(inplace=True)
  (27): MaxPool2d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False)
  (28): Conv2d(512, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
  (29): ReLU(inplace=True)
)

这个 问题需要怎么处理？

Answer 1

• 这篇文章讲的很详细，请看：Maxpool2d参数解释（）
• 除此之外, 这篇博客: 【深度学习笔记（六）】之卷积神经网络中的反向传播中的 （一）Max pooling 部分也许能够解决你的问题, 你可以仔细阅读以下内容或跳转源博客中阅读:
  
• 
  

         前向传播：求所有值的最大值
         反向传播：最大值不变，其他值为0

  如：
         前向：[1, 3; 2, 2] -> [3]

         反向：[3] -> [0, 3; 0 0]