PyTorch中AdaptiveAvgPool函数解析
⾃适应池化（AdaptiveAvgPool1d）：
对输⼊信号，提供1维的⾃适应平均池化操作 对于任何输⼊⼤⼩的输⼊，可以将输出尺⼨指定为H*W，但是输⼊和输出特征的数⽬不会变化。
#output_size：输出尺⼨
对输⼊信号，提供1维的⾃适应平均池化操作 对于任何输⼊⼤⼩的输⼊，可以将输出尺⼨指定为H*W，但是输⼊和输出特征的数⽬不会变化。
# target output size of 5
adaptivem = nn.AdaptiveAvgPool1d(5)
input = autograd.Variable(torch.randn(1, 64, 8))
output = m(input)
⾃适应池化（AdaptiveAvgPool2d）：
AdaptiveAvgPool2d(output_size)
对输⼊信号，提供2维的⾃适应平均池化操作 对于任何输⼊⼤⼩的输⼊，可以将输出尺⼨指定为H*W，但是输⼊和输出特征的数⽬不会变化。
参数：
output_size: 输出信号的尺⼨，可以⽤(H,W)表⽰H*W的输出，也可以使⽤耽搁数字H表⽰H*H⼤⼩的输出
# target output size of 5x7
m = nn.AdaptiveAvgPool2d((5,7))
input = autograd.Variable(torch.randn(1, 64, 8, 9))
# target output size of 7x7 (square)
m = nn.AdaptiveAvgPool2d(7)
input = autograd.Variable(torch.randn(1, 64, 10, 9))
output = m(input)
⾃适应池化的数学解释：
来源于：

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。