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])
     
    
  
 

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])
     
    
  
 

不管你输入宽高是多少，平均池化到(1,2)

AdaptiveAvgPool2d（二元自适应均值汇聚层）里面涉及到了这几个概念：

• 二元(2d)
• 汇聚层(Pool)
• 均值(Avg)
• 自适应(Adaptive)

stride = floor ( (input_size / (output_size−1) )

kernel_size = input_size − (output_size−1) * stride

[开发技巧]·AdaptivePooling与Max/AvgPooling相互转换

作者：晓伟
链接：h

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/118303367