pytorch AdaptivePool2d

本文详细介绍了PyTorch中二维自适应平均池化(AdaptiveAvgPool2d)的功能和使用方法,包括如何指定输出尺寸,以及如何处理不同形状的输入数据。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

参考链接:https://pytorch.org/docs

class torch.nn.AdaptiveAvgPool2d(output_size)

对由多个输入平面组成的输入信号应用二维自适应平均池 (2D adaptive average pooling )。

对于任何输入大小,输出的大小都是hxw。输出特征的数量等于输入平面的数量。

参数:

output_size:目标输出大小的图像的形式H×W。可以是一个元组(H, W)或正方形图像H x H 的单独的H。H和W可以是 int, 或 None 这意味着size 将input的一样。

>>> # 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)

 

评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值