pytorch torch.nn.AdaptiveAvgPool2d()自适应平均池化函数详解


Posted in Python onJanuary 03, 2020

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 number of input planes.

Parameters

output_size ? the target output size of the image of the form H x W. Can be a tuple (H, W) or a single H for a square image H x H. H and W can be either a int, or None which means the size will be the same as that of the input.

Examples

>>> # 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)
>>> input = torch.randn(1, 3, 3, 3)
>>> input
tensor([[[[ 0.6574, 1.5219, -1.3590],
   [-0.1561, 2.7337, -1.8701],
   [-0.8572, 1.0238, -1.9784]],
 
   [[ 0.4284, 1.4862, 0.3352],
   [-0.7796, -0.8020, -0.1243],
   [-1.2461, -1.7069, 0.1517]],
 
   [[ 1.4593, -0.1287, 0.5369],
   [ 0.6562, 0.0616, 0.2611],
   [-1.0301, 0.4097, -1.9269]]]])
>>> m = nn.AdaptiveAvgPool2d((2, 2))
>>> output = m(input)
>>> output
tensor([[[[ 1.1892, 0.2566],
   [ 0.6860, -0.0227]],
 
   [[ 0.0833, 0.2238],
   [-1.1337, -0.6204]],
 
   [[ 0.5121, 0.1827],
   [ 0.0243, -0.2986]]]])
>>> 0.6574+1.5219+2.7337-0.1561
4.7569
>>> 4.7569/4
1.189225
>>>

以上这篇pytorch torch.nn.AdaptiveAvgPool2d()自适应平均池化函数详解就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持三水点靠木。

Python 相关文章推荐
在Python中使用zlib模块进行数据压缩的教程
Jun 26 Python
对python append 与浅拷贝的实例讲解
May 04 Python
对python中词典的values值的修改或新增KEY详解
Jan 20 Python
python 实现selenium断言和验证的方法
Feb 13 Python
Python安装Flask环境及简单应用示例
May 03 Python
Python 中使用 PyMySQL模块操作数据库的方法
Nov 10 Python
python使用协程实现并发操作的方法详解
Dec 27 Python
Python 2种方法求某个范围内的所有素数(质数)
Jan 31 Python
python爬虫破解字体加密案例详解
Mar 02 Python
python如何获取网络数据
Apr 11 Python
关于Python OS模块常用文件/目录函数详解
Jul 01 Python
Python中异常处理用法
Nov 27 Python
pytorch AvgPool2d函数使用详解
Jan 03 #Python
使用pyhon绘图比较两个手机屏幕大小(实例代码)
Jan 03 #Python
Python基础之函数原理与应用实例详解
Jan 03 #Python
对Pytorch中Tensor的各种池化操作解析
Jan 03 #Python
Python基础之高级变量类型实例详解
Jan 03 #Python
关于Pytorch MaxUnpool2d中size操作方式
Jan 03 #Python
pytorch中的卷积和池化计算方式详解
Jan 03 #Python
You might like
php 变量定义方法
2009/06/14 PHP
Yii操作数据库实现动态获取表名的方法
2016/03/29 PHP
PHP实现添加购物车功能
2017/03/06 PHP
PHP中isset、empty的用法与区别示例详解
2020/11/05 PHP
javascript mouseover、mouseout停止事件冒泡的解决方案
2009/04/07 Javascript
基于jquery的一个简单的脚本验证插件
2010/04/05 Javascript
jQuery浏览器CSS3特写兼容实例
2015/01/19 Javascript
本人自用的global.js库源码分享
2015/02/28 Javascript
JQuery实现的图文自动轮播效果插件
2015/06/19 Javascript
JS简单模拟触发按钮点击功能的方法
2015/11/30 Javascript
使用jquery获取url以及jquery获取url参数的实现方法
2016/05/25 Javascript
AngularJS 表达式详解及实例代码
2016/09/14 Javascript
BootStrap表单控件之文本域textarea
2017/05/23 Javascript
jQuery使用ajax_动力节点Java学院整理
2017/07/05 jQuery
JS库之Three.js 简易入门教程(详解之一)
2017/09/13 Javascript
关于自定义Egg.js的请求级别日志详解
2018/12/12 Javascript
vue实现中部导航栏布局功能
2019/07/30 Javascript
vue实现树形结构样式和功能的实例代码
2019/10/15 Javascript
vue.js iview打包上线后字体图标不显示解决办法
2020/01/20 Javascript
node.JS事件机制与events事件模块的使用方法详解
2020/02/06 Javascript
jQuery实现可以扩展的日历
2020/12/01 jQuery
[04:28]DOTA2亚洲邀请赛小组赛第五日 TOP10精彩集锦
2015/02/03 DOTA
Python urlopen 使用小示例
2008/09/06 Python
Python中的Numeric包和Numarray包使用教程
2015/04/13 Python
python传递参数方式小结
2015/04/17 Python
PyTorch学习笔记之回归实战
2018/05/28 Python
Django命名URL和反向解析URL实现解析
2019/08/09 Python
python使用pandas抽样训练数据中某个类别实例
2020/02/28 Python
工程师自我评价怎么写
2013/09/19 职场文书
校本教研工作制度
2014/01/22 职场文书
五四青年节的活动方案
2014/08/20 职场文书
党支部班子“四风”问题自我剖析材料
2014/09/28 职场文书
工作失误检讨书(3篇)
2014/10/11 职场文书
不知如何爱孩子,这些方法教会您
2019/08/06 职场文书
微信小程序用户授权最佳实践指南
2021/05/08 Javascript
JavaScript分页组件使用方法详解
2021/07/26 Javascript