溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
AdaptiveAvgPool1d(N)
對一個C*H*W的三維輸入Tensor, 池化輸出為C*H*N, 即按照H軸逐行對W軸平均池化
>>> a = torch.ones(2,3,4)
>>> a[0,1,2] = 0
>>>> a
tensor([[[1., 1., 1., 1.],
[1., 1., 0., 1.],
[1., 1., 1., 1.]],
[[1., 1., 1., 1.],
[1., 1., 1., 1.],
[1., 1., 1., 1.]]])
>>> nn.AdaptiveAvgPool1d(5)(a)
tensor([[[1.0000, 1.0000, 1.0000, 1.0000, 1.0000],
[1.0000, 1.0000, 0.5000, 0.5000, 1.0000],
[1.0000, 1.0000, 1.0000, 1.0000, 1.0000]],
[[1.0000, 1.0000, 1.0000, 1.0000, 1.0000],
[1.0000, 1.0000, 1.0000, 1.0000, 1.0000],
[1.0000, 1.0000, 1.0000, 1.0000, 1.0000]]])
>>> nn.AdaptiveAvgPool1d(1)(a)
tensor([[[1.0000],
[0.7500],
[1.0000]],
[[1.0000],
[1.0000],
[1.0000]]])
AdaptiveAvgPool2d((M,N))
對一個B*C*H*W的四維輸入Tensor, 池化輸出為B*C*M*N, 即按照C軸逐通道對H*W平面平均池化
>>> a = torch.ones(2,2,3,4)
>>> a[:,:,:,1] = 0
>>> a
tensor([[[[1., 0., 1., 1.],
[1., 0., 1., 1.],
[1., 0., 1., 1.]],
[[1., 0., 1., 1.],
[1., 0., 1., 1.],
[1., 0., 1., 1.]]],
[[[1., 0., 1., 1.],
[1., 0., 1., 1.],
[1., 0., 1., 1.]],
[[1., 0., 1., 1.],
[1., 0., 1., 1.],
[1., 0., 1., 1.]]]])
>>> nn.AdaptiveAvgPool2d((1,2))(a)
tensor([[[[0.5000, 1.0000]],
[[0.5000, 1.0000]]],
[[[0.5000, 1.0000]],
[[0.5000, 1.0000]]]])
>>> nn.AdaptiveAvgPool2d(1)(a)
tensor([[[[0.7500]],
[[0.7500]]],
[[[0.7500]],
[[0.7500]]]])
AdaptiveAvgPool3d((M,N,K))
對一個B*C*D*H*W的五維輸入Tensor, 池化輸出為B*C*M*N*K, 即按照C軸逐通道對D*H*W平面平均池化
>>> a = torch.ones(1,2,2,3,4)
>>> a[0,0,:,:,0:2] = 0
>>> a
tensor([[[[[0., 0., 1., 1.],
[0., 0., 1., 1.],
[0., 0., 1., 1.]],
[[0., 0., 1., 1.],
[0., 0., 1., 1.],
[0., 0., 1., 1.]]],
[[[1., 1., 1., 1.],
[1., 1., 1., 1.],
[1., 1., 1., 1.]],
[[1., 1., 1., 1.],
[1., 1., 1., 1.],
[1., 1., 1., 1.]]]]])
>>> nn.AdaptiveAvgPool3d((1,1,2))(a)
tensor([[[[[0., 1.]]],
[[[1., 1.]]]]])
>>> nn.AdaptiveAvgPool3d(1)(a)
tensor([[[[[0.5000]]],
[[[1.0000]]]]])
以上這篇對Pytorch中Tensor的各種池化操作解析就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持億速云。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
