PyTorch中AdaptiveAvgPool函数用法及原理解析

自适应1D池化（AdaptiveAvgPool1d）：

对输入信号，提供1维的自适应平均池化操做 对于任何输入大小的输入，能够将输出尺寸指定为H*W，可是输入和输出特征的数目不会变化。 

torch.nn.AdaptiveAvgPool1d(output_size)
#output_size:输出尺寸

# target output size of 5
m = nn.AdaptiveAvgPool1d(5)
input = autograd.Variable(torch.randn(1, 64, 8))
output = m(input)

 自适应2D池化（AdaptiveAvgPool2d）：

对输入信号，提供2维的自适应平均池化操做 对于任何输入大小的输入，能够将输出尺寸指定为H*W，可是输入和输出特征的数目不会变化。

class torch.nn.AdaptiveAvgPool2d(output_size)

参数：

• output_size: 输出信号的尺寸,能够用(H,W)表示H*W的输出，也可使用耽搁数字H表示H*H大小的输出

# target output size of 5x7
m = nn.AdaptiveAvgPool2d((5,7))
input = autograd.Variable(torch.randn(1, 64, 8, 9))
# target output size of 7x7 (square)
m = nn.AdaptiveAvgPool2d(7)
input = autograd.Variable(torch.randn(1, 64, 10, 9))
output = m(input)

自适应池化的数学解释：

来源于：传送门

                           

 

 

来源： https://blog.csdn.net/qq_41997920/article/details/98963215