torch 特征对齐
【摘要】
这个对齐的作用是，不管输入时多大尺寸，输出是固定尺寸的
对动态输入分辨率有所帮助
缺点：
我在做识别的时候发现收敛比较慢。
m = nn.AdaptiveMaxPool2d((5, 7))
m = nn.AdaptiveAvgPool2d((5,7))
前面两维不变，后面两维输出就是(5,7)，用于特征对...
这个对齐的作用是，不管输入时多大尺寸，输出是固定尺寸的
对动态输入分辨率有所帮助
缺点：
我在做识别的时候发现收敛比较慢。
m = nn.AdaptiveMaxPool2d((5, 7))
m = nn.AdaptiveAvgPool2d((5,7))
前面两维不变，后面两维输出就是(5,7)，用于特征对齐比较有效
>>> # target output size of 5x7
>>> m = nn.AdaptiveAvgPool2d((5,7))
>>> input = torch.randn(1, 64, 8, 9)
>>> output = m(input)
>>> # target output size of 7x7 (square)
>>> m = nn.AdaptiveAvgPool2d(7)
>>> input = torch.randn(1, 64, 10, 9)
>>> output = m(input)
>>> # target output size of 10x7
>>> m = nn.AdaptiveMaxPool2d((None, 7))
>>> input = torch.randn(1, 64, 10, 9)
>>> output = m(input)
文章来源: blog.csdn.net，作者：网奇，版权归原作者所有，如需转载，请联系作者。
原文链接：blog.csdn.net/jacke121/article/details/110431395
【版权声明】本文为华为云社区用户转载文章，如果您发现本社区中有涉嫌抄袭的内容，欢迎发送邮件进行举报，并提供相关证据，一经查实，本社区将立刻删除涉嫌侵权内容，举报邮箱：
cloudbbs@huaweicloud.com
- 点赞
- 收藏
- 关注作者
作者其他文章
评论（0）