PyTorch中AdaptiveAvgPool函数总结

1维情况：

import torch
import torch.nn as nn# out_size
m = nn.AdaptiveAvgPool1d(5)
input = torch.randn(1, 64, 3)
output = m(input)print(output.size())#torch.Size([1, 64, 5])

说明：1是n，样本个数，64是c，通道数。3是特征大小。

不管你输入是多少，平均池化到5维。

2维(2d情况)

import torch
import torch.nn as nn# out_size
m = nn.AdaptiveAvgPool2d((1,2))
input = torch.randn(1, 64, 8,3)
output = m(input)print(output.size())#torch.Size([1, 64, 1, 2])

说明：1是n，样本个数，64是c，通道数。（8，3）是特征大小。

不管你输入宽高是多少，平均池化到(1,2)

3d也支持：

if __name__ == '__main__':import torchimport torch.nn as nn# out_sizem = nn.AdaptiveAvgPool2d((1, 2))input = torch.randn(64, 8, 3)output = m(input)

PyTorch中AdaptiveAvgPool函数总结相关推荐

pytorch中repeat()函数理解
pytorch中repeat()函数理解最近在学习过程中遇到了repeat()函数的使用,这里记录一下自己对这个函数的理解. 情况1:repeat参数个数与tensor维数一致时 a = torch ...
pytorch 中 contiguous() 函数理解
pytorch 中 contiguous() 函数理解文章目录 pytorch 中 contiguous() 函数理解引言使用 contiguous() 后记文章抄自 Pytorch中cont ...
**Pytorch 中view函数和reshape函数的区别*
Pytorch 中view函数和reshape函数的区别(我是一名大一刚学计算机的学生希望我的说法对你有帮助) 首先:要了解这个问题我们要先了解一个基本知识张量的储存方式跟据图片我们可以清楚的看 ...
Pytorch中apply函数作用
pytorch中的model.apply(fn)会递归地将函数fn应用到父模块的每个子模块submodule,也包括model这个父模块自身.经常用于初始化init_weights的操作.如下appl ...
python batchnorm2d_BatchNorm2d原理、作用及其pytorch中BatchNorm2d函数的参数讲解
BN原理.作用: 函数参数讲解: BatchNorm2d(256, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True) 1. ...
pytorch中（函数名有下划线和没有下划线）clamp和clamp_的区别
在pytorch中,我们需要注意,对于tensor的操作时候是in-place类型. in-place类型是指,但在一个tensor上操作了之后,是直接修改了这个tensor,还是返回一个新的tens ...
Pytorch中contiguous()函数理解
引言在pytorch中,只有很少几个操作是不改变tensor的内容本身,而只是重新定义下标与元素的对应关系的.换句话说,这种操作不进行数据拷贝和数据的改变,变的是元数据. 会改变元数据的操作是: n ...
Pytorch中gather函数的个人理解方法
之前一直理解不了Pytorch中gather的用法,看了官方的文档也是一头雾水.然后自己琢磨,找规律,用以下方法进行理解. 一.官方文档 torch.gather(input, dim, index, ...
Pytorch中backward函数
backward函数是反向求导数,使用链式法则求导,如果对非标量y求导,函数需要额外指定grad_tensors,grad_tensors的shape必须和y的相同. import torch fro ...

PyTorch中AdaptiveAvgPool函数总结

PyTorch中AdaptiveAvgPool函数总结相关推荐

最新文章

热门文章