函数原型为：torch.nn.AdaptiveMaxPool2d(output_size, return_indices=False)

对于输入信息，提供2维的自适应最大池化操作。对于任何输入大小的输入，可以将输入尺寸指定为H * W，但是输入和输出特征的数目不会变化。

参数：

1. output_size：输出信息的尺寸，可以用（H，W）表示 H * W的输出，也可以用数字H表示H * H大小的输出。
2. return_indices：如果设置为True，会返回输出的索引。对nn.MaxUnPool2d有用，默认值是False。

接下来我们举一个例子：

>>> input = torch.randn(1,3,3,3)
>>> input
tensor([[[[-0.3256, -0.8058, -1.2306],
          [-1.4884, -0.7023,  2.0026],
          [-0.5797, -0.5609,  0.4522]],

         [[-0.5189, -2.3041,  2.1830],
          [-0.5150,  1.1392,  0.4115],
          [ 1.5659, -0.1558,  0.8940]],

         [[-0.2805, -0.3141, -0.0621],
          [-0.5031,  1.3843,  0.5132],
          [-1.2001, -0.9330,  2.5817]]]])
>>> m = nn.AdaptiveMaxPool2d(1)
>>> output = m(input)
>>> output
tensor([[[[2.0026]],

         [[2.1830]],

         [[2.5817]]]])