pytorch AvgPool2d函数使用详解
我就废话不多说了，直接上代码吧！
importtorch
importtorch.nnasnn
importtorch.nn.functionalasF
fromtorch.autogradimportVariable
importnumpyasnp
input=Variable(torch.Tensor([[[1,3,3,4,5,6,7],[1,2,3,4,5,6,7]],[[1,3,3,4,5,6,7],[1,2,3,4,5,6,7]]]))
print("inputshape",input.shape)
c=F.avg_pool1d(input,kernel_size=3,stride=2)
print(c)
print("cshape:",c.shape)
#m=nn.AvgPool2d(3,stride=2)
m=nn.AvgPool2d((2,2),stride=(2,2))
input=Variable(torch.randn(20,18,50,32))#bach是20,图片size是50*31,chanel是1８(通道是1８,也就是每张图有1８个faturemap)
input=np.array([[[[1,2,3,4],[1,2,3,4],[1,2,3,4],[1,2,3,4]],
[[1,2,3,4],[1,2,3,4],[1,2,3,4],[1,2,3,4]]],
[[[1,2,3,4],[1,2,3,4],[1,2,3,4],[1,2,3,4]],
[[1,2,3,4],[1,2,3,4],[1,2,3,4],[1,2,3,4]]]])#size２*2*4*4
print("inputshape:",input.shape)
input=Variable(torch.FloatTensor(input))
output=m(input)
print(output)
print("outputshape:",output.shape)#(2,2,2,2)
输出：
inputshapetorch.Size([2,2,7]) tensor([[[2.3333,4.0000,6.0000], [2.0000,4.0000,6.0000]], [[2.3333,4.0000,6.0000], [2.0000,4.0000,6.0000]]]) cshape:torch.Size([2,2,3]) inputshape:(2,2,4,4) tensor([[[[1.5000,3.5000], [1.5000,3.5000]], [[1.5000,3.5000], [1.5000,3.5000]]], [[[1.5000,3.5000], [1.5000,3.5000]], [[1.5000,3.5000], [1.5000,3.5000]]]]) outputshape:torch.Size([2,2,2,2])
pytorch中的F.avg_pool1d（）平均池化操作作用于一维，ｉｎｐｕｔ的维度是三维比如［２,２,７］。F.avg_pool1d（）中核ｓｉｚｅ是３，步长是２表示每三个数取平均，每隔两个数取一次．比如[1,3,3,4,5,6,7]安照3个数取均值，两步取一次，那么结果就是[2.3333,4,6]，也就是核是一维的，也只作用于一个维度。按照池化操作计算公式inputsize为[2,2,7],kernelsize为3，步长为2，则输出维度计算（7-3）/2+1=3所以输出维度是[2,2,3]，这与输出结果是一致的。
pytorch中的F.avg_pool2d（），ｉｎｐｕｔ是维度是４维如［２，２，４，４］，表示这里批量数是２也就是两张图像，这里应该是有通道（ｆｅａｔｕｒｅｍａｐ）数量是２，图像是ｓｉｚｅ是４＊４的．核ｓｉｚｅ是（２，２）步长是（２，２）表示被核覆盖的数取平均，横向纵向的步长都是２．那么核是二维的，所以取均值时也是覆盖二维取的。输出中第一个1.5的计算是：1+2+1+2/4=1.5.表示第一张图像左上角的四个像素点的均值。按照池化操作计算公式inputsize为[2,2,4,4],kernelsize为2*2，步长为2，则输出维度计算（4-2）/2+1=2所以输出维度是[2,2,2,2]，这与输出结果是一致的。
以上这篇pytorchAvgPool2d函数使用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毛票票。
声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：czq8825#qq.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。