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
python简单实现刷新智联简历
Mar 30 Python
Python实现递归遍历文件夹并删除文件
Apr 18 Python
解决python super()调用多重继承函数的问题
Jun 26 Python
python 多进程并行编程 ProcessPoolExecutor的实现
Oct 11 Python
python绘制雪景图
Dec 16 Python
python读取Kafka实例
Dec 23 Python
python GUI库图形界面开发之PyQt5计数器控件QSpinBox详细使用方法与实例
Feb 28 Python
Python多线程Threading、子线程与守护线程实例详解
Mar 24 Python
python中urllib.request和requests的使用及区别详解
May 05 Python
Python通过kerberos安全认证操作kafka方式
Jun 06 Python
Python爬取微信小程序通用方法代码实例详解
Sep 29 Python
Python 避免字典和元组的多重嵌套问题
Jul 15 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
咖啡的植物学知识
2021/03/03 咖啡文化
解析如何通过PHP函数获取当前运行的环境 来进行判断执行逻辑(小技巧)
2013/06/25 PHP
PHP之autoload运行机制实例分析
2014/08/28 PHP
纯php生成随机密码
2015/10/30 PHP
PHP简单读取xml文件的方法示例
2017/04/20 PHP
laravel中的一些简单实用功能
2018/11/03 PHP
关于javascript中的parseInt使用技巧
2009/09/03 Javascript
jquery ui 1.7 ui.tabs 动态添加与关闭(按钮关闭+双击关闭)
2010/04/01 Javascript
javascript event 事件解析
2011/01/31 Javascript
父页面显示遮罩层弹出半透明状态的dialog
2014/03/04 Javascript
兼容最新firefox、chrome和IE的javascript图片预览实现代码
2014/08/08 Javascript
JavaScript中实现PHP的打乱数组函数shuffle实例
2014/10/11 Javascript
js实现鼠标悬停图片上时滚动文字说明的方法
2015/02/17 Javascript
javascript中eval函数用法分析
2015/04/25 Javascript
jQuery实现自动与手动切换的滚动新闻特效代码分享
2015/08/27 Javascript
轻松实现javascript数据双向绑定
2015/11/11 Javascript
最棒的Angular2表格控件
2016/08/10 Javascript
js 性能优化之算法和流程控制
2017/02/15 Javascript
jQuery表单设置值的方法
2017/06/30 jQuery
jquery.validate.js 多个相同name的处理方式
2017/07/10 jQuery
老生常谈js中的MVC
2017/07/25 Javascript
详解开发react应用最好用的脚手架 create-react-app
2018/04/24 Javascript
Vue学习之axios的使用方法实例分析
2020/01/06 Javascript
[02:01]大师之路——DOTA2完美大师赛11月论剑上海
2017/11/06 DOTA
djano一对一、多对多、分页实例代码
2019/08/16 Python
python3 selenium自动化 frame表单嵌套的切换方法
2019/08/23 Python
Python定时从Mysql提取数据存入Redis的实现
2020/05/03 Python
解决python cv2.imread 读取中文路径的图片返回为None的问题
2020/06/02 Python
Python3爬虫发送请求的知识点实例
2020/07/30 Python
分享一个H5原生form表单的checkbox特效代码
2018/02/26 HTML / CSS
心理学专业毕业生推荐信范文
2013/11/21 职场文书
公司清洁工岗位职责
2013/12/14 职场文书
创意活动策划书
2014/01/15 职场文书
六查六看心得体会
2014/10/14 职场文书
小学同学聚会感言
2015/07/30 职场文书
忆童年!用Python实现愤怒的小鸟游戏
2021/06/07 Python