Python nn.MaxPool2d与nn.functional.max\u pool2d之间的差异？

有什么区别：

nn.MaxPool2d（内核大小，步幅）

和

nn.functional.MaxPool2d（内核大小，步幅）

我在模块中定义的第一个，在forward函数中定义的第二个

---

谢谢，它们基本上是一样的。不同之处在于，

torch.nn.MaxPool2d

是一个显式的

nn.Module

调用

torch.nn.functional.max_pool2d（）

它自己的

forward（）

方法

您可以在此处查看

torch.nn.MaxPool2d

的源代码，并亲自查看调用：

转载如下：

def forward(self, input):
        return F.max_pool2d(input, self.kernel_size, self.stride,
                            self.padding, self.dilation, self.ceil_mode,
                            self.return_indices)

为什么同一任务有两种方法？我想这是为了适应许多可能使用PyTorch的人的编码风格。一些人更喜欢有状态的方法，而另一些人更喜欢功能性更强的方法

例如，拥有

torch.nn.MaxPool2d

意味着我们可以很容易地将其放入

nn.Sequential

块中

model = nn.Sequential(
          nn.Conv2d(1,3,3),
          nn.ReLU(),
          nn.MaxPool2d((2, 2))
        )

---

在Keras中可能存在重复，现在建议使用功能API而不是顺序API。它也适用于PyTorch吗？