nn.AvgPool2d()函数

已于 2022-08-02 11:50:07 修改
阅读量1.4w 收藏 21
点赞数 5
分类专栏： 笔记 pytorch 文章标签： pytorch 深度学习
于 2021-07-04 18:22:02 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/qq_43349542/article/details/118465325
版权
该博客探讨了深度学习中nn.AvgPool2d和nn.MaxPool2d两种池化操作，重点讲解它们如何影响输入图像的大小。nn.AvgPool2d和nn.MaxPool2d均能使图像尺寸减半，特征层数保持不变，从而在减少计算量的同时保持模型的表达能力。

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

在这里插入图片描述
在这里插入图片描述
X为输入图像的大小
在这里插入图片描述
通过nn.AvgPool2d()函数输入和输出的特征层数目不变，特征图大小改变。
nn.AvgPool2d(2,2)和nn.MaxPool2d(2, 2)一样是图像长宽缩小为原来的一半，即图像大小为原来的1/4。

相关-26. pytorch中nn.AdaptiveAvgPool2d() 与 nn.AvgPool2d()函数的区别
啷个哩个啷
01-21 2172
1. 文档和示例 在实现NiN的时候，实现GAP使用了nn.AdaptiveAvgPool2d()函数，这里总结一下这两个函数的使用。 1.1 nn.AdaptiveAvgPool2d() nn.AdaptiveAvgPool2d()的帮助文档 nn.AdaptiveAvgPool2d(output_size: Union[int, Tuple[int, ...]]) -> None Applies a 2D adaptive average pooling over an input signal
pytorch torch.nn.AdaptiveAvgPool2d()自适应平均池化函数详解
12-23
如题：只需要给定输出特征图的大小就好，其中通道数前后不发生变化。具体如下： AdaptiveAvgPool2d CLASStorch.nn.AdaptiveAvgPool2d(output_size)[SOURCE] Applies a 2D adaptive average pooling over an input signal composed of several input planes. The output is of size H x W, for any input size. The number of output features is equal to the nu
PyTorch Week 3——nn.MaxPool2d、nn.AvgPool2d、nn.Linear、激活层
yandonglv的博客
10-21 1155
系列文章目录 PyTorch Week 3——卷积 PyTorch Week 3——nn.Module的容器：Sequential、ModuleList、ModuleDice PyTorch Week 3——模型创建 PyTorch Week 2——Dataloader与Dataset PyTorch Week 1 前言 从本节开始转变思路，主要关注各种方法的pytorch代码，对于原理部分略微写写，等后面阅读论文时再以原理为重点。 PyTorch Week 3——nn.MaxPool2d、nn.Avg
【pytorch】nn.AdaptiveAvgPool2d教程
最新发布
loinleeai的博客
04-16 521
是一个非常有用的二维自适应平均池化层，可以自动适应输入信号的尺寸变化，输出指定尺寸的特征图。它具有灵活性高、保留特征数量、参数简单等优点，但也存在信息丢失、计算量较大等缺点。在实际使用中，可以根据具体需求选择是否使用。
nn.AvgPool2d——二维平均池化操作
qq_50001789的博客
09-28 4万+
PyTorch学习笔记：nn.AvgPool2d——二维平均池化操作 torch.nn.AvgPool2d( kernel_size , stride=None , padding=0 , ceil_mode=False , count_include_pad=True , divisor_override=None ) 功能：在由多个平面组成的输入信号上应用2D平均池化操作，具体计算公式如下： out(Ni,Ci,h,w)=1kH∗kW∑m=0kH−1∑m=0kH−1input(Ni,Ci,stride
avgpool2d
scar2016的博客
02-27 1378
文章目录1. 函数说明2. 使用范例 1. 函数说明 class torch.nn.AvgPool2d(kernel_size, stride=None, padding=0, ceil_mode=False, count_include_pad=True, divisor_override=None) 作用：在由多个输入平面组成的输入信号上应用二维平均池。 kernel_size:卷积核的大小 stride: 步幅大小 padding : 填充 2. 使用范例 我们想对如下(4,4)的矩阵应用一个
torch.nn.AvgPool2d 图解
Petersburg的博客
08-15 5704
首先介绍一篇文章，写得比较清楚。 https://blog.csdn.net/geter_CS/article/details/80408782 运用该文章中的例子，shape为[2,2,4,4]的input，第一个代表有两个batch,第二个代表有两个feature map，最后两部分则是用来做平均取样的维度44。 函数AvgPool2d中有两个重要的参数，一个是kernel_size，一个是stride，第一个表示你取样的window大小，第二个则表示为你取样window上下左右移动步幅的大小。 每
Pytorch平均池化nn.AvgPool2d()使用记录
chen_znn的博客
02-21 4408
PyTorch学习笔记之二维平均池化nn.AvgPool2d()
pytorch AvgPool2d函数使用详解
09-18
在PyTorch中，AvgPool2d函数可以有两种定义方式：一种是直接使用nn.AvgPool2d创建一个层，另一种是在torch.nn.functional模块中使用F.avg_pool2d函数。两种方式虽然不同，但功能相同，都是进行二维平均池化操作。 ...
python nn.AvgPool2d()函数功能
05-05
`nn.AvgPool2d()`函数是PyTorch中的一个二维平均池化层，它能够对输入的二维数据进行下采样操作。该函数的主要功能是对输入的每个二维通道进行平均池化，即将每个通道内的数据按照一定的步长进行平均池化，得到一个...
self.avgpool1d = nn.AdaptiveAvgPool1d(1) self.avgpool2d = nn.AdaptiveAvgPool2d((1,1))
09-12
2. 对于 `self.avgpool2d = nn.AdaptiveAvgPool2d((1,1))`，它适用于二维输入，如图像。这个函数会在每个通道上独立计算1x1区域的均值，因此即使输入图片的尺寸变化，输出也会保持一致的1x1大小，常用于提取特征图的...
【pytorch】nn.AvgPool2d()与AdaptiveAvgPool2d() 的区别
一白梦人的博客
03-02 3480
【pytorch】nn.AvgPool2d()与AdaptiveAvgPool2d() 的区别
torch.nn.AvgPool1d(kernel_size, stride=None, padding=0, ceil_mode=False, count_include_pad=True)
weixin_67609590的博客
06-13 5973
torch.nn.AvgPool1d(kernel_size, stride=None, padding=0, ceil_mode=False, count_include_pad=True)
nn.AdaptiveAvgPool2d() 与 nn.AvgPool2d() 模块的区别
热门推荐
qq_34706871的博客
10-13 4万+
两者都是做二维的平均池化，但是它们关注的参数却不一样。 1、nn.AvgPool2d() 模块 模块原型为 其中参数为 一般我们使用它的时候，只需要关注 kernel_size 、stride 与 padding 三个参数就行了，最后输出的尺寸为： 其中，x 表示输入的维度大小， y 表示对应输出的维度大小。 2、nn.AdaptiveAvgPool2d() 模块 ...
nn.AdaptiveAvgPool2d——二维自适应平均池化运算
qq_50001789的博客
09-28 1万+
PyTorch学习笔记：nn.AdaptiveAvgPool2d——二维自适应平均池化运算 torch.nn.AdaptiveAvgPool2d(output_size) 功能：该函数与二维平均池化运算类似，区别主要体现在自适应上，对于任何输入大小，输出大小均为指定的H×W大小。 输入： output_size：指定的输出大小，可以是元组(H，W)，或者是单个的数，如果是单个的数，则表示输出的高和宽尺寸一样，output_size大小可以大于输入的图片尺寸大小。 代码案例 一般用法 import to
nn.AdaptiveAvgPool2d和nn.AvgPool2d的区别
AI浩
12-21 2939
功能：该函数与二维平均池化运算类似，区别主要体现在自适应上，对于任何输入大小，输出大小均为指定的H×W大小。output_size：指定的输出大小，可以是元组(H，W)，或者是单个的数，如果是单个的数，则表示输出的高和宽尺寸一样，output_size大小可以大于输入的图片尺寸大小。
PyTorch nn.AdaptiveAvgPool2d 自适应池化
jianghuixin
11-29 1734
PyTorch 中 nn.AdaptiveAvgPool2d 与 nn.AvgPool2d 功能一样都是平均池化, 但接收的参数不一样 nn.AvgPool2d: 滑动窗口的大小 kernel_size 填充 padding 步长 stride nn.AdaptiveAvgPool2d: 仅需要指定输出特征图的尺寸 以特征图减半的池化为例 输入数据 import torch inp = torch.arange(36, dtype=torch.float).view(1, 6, 6) print(
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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