需求描述 Feature Description

引入dilation在Maxpool2d中可以扩展池化操作的感受野，在保持相同池化窗口尺寸的情况下，覆盖更大的输入区域。
假设一个3x3的池化窗口，普通池化的感受野覆盖的区域是3x3。而如果使用dilation=2的池化操作，相当于在池化窗口之间插入一个空隙，这样3x3的池化窗口的感受野可以扩展为5x5，让池化操作能够捕捉到更大范围内的信息，提取到更丰富的特征，更好地处理稀疏特征，同时不会显著提升计算量。

import torch
import torch.nn as nn

maxpool = nn.MaxPool2d(kernel_size=3, stride=1, padding=1, dilation=2)
input = torch.randn(1, 1, 7, 7)  # Batch size = 1, Channels = 1, Height = 7, Width = 7
output = maxpool(input)
print(output.shape)

替代实现 Alternatives

No response