PyTorch中AdaptiveAvgPool函數用法及原理解析

自適應1D池化（AdaptiveAvgPool1d）：

對輸入信號，提供1維的自適應平均池化操作 對於任何輸入大小的輸入，可以將輸出尺寸指定為H*W，但是輸入和輸出特征的數目不會變化。 

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

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

 自適應2D池化（AdaptiveAvgPool2d）：

對輸入信號，提供2維的自適應平均池化操作 對於任何輸入大小的輸入，可以將輸出尺寸指定為H*W，但是輸入和輸出特征的數目不會變化。

class torch.nn.AdaptiveAvgPool2d(output_size)

參數：

• output_size: 輸出信號的尺寸,可以用(H,W)表示H*W的輸出，也可以使用耽擱數字H表示H*H大小的輸出

# 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)

自適應池化的數學解釋：

來源於：傳送門

                           

 

 

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