pytorch AvgPool2d函數(shù)使用詳解
我就廢話不多說了，直接上代碼吧！
import torch
import torch.nn as nn
import torch.nn.functional as F
from torch.autograd import Variable
import numpy as np
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("input shape",input.shape)
c = F.avg_pool1d(input, kernel_size=3, stride=2)
print(c)
print("c shape:",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,圖片size是50*31,chanel是1８(通道是1８,也就是每張圖有1８個fature map)
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("input shape:",input.shape)
input = Variable(torch.FloatTensor(input))
output = m(input)
print(output)
print("output shape:",output.shape)#(2,2,2,2)
輸出：
input shape torch.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]]])
c shape: torch.Size([2, 2, 3])
input shape: (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]]]])
output shape: torch.Size([2, 2, 2, 2])
pytorch中的F.avg_pool1d（）平均池化操作作用于一維，ｉｎｐｕｔ的維度是三維比如［２,２,７］。F.avg_pool1d（）中核ｓｉｚｅ是３，步長是２表示每三個數(shù)取平均，每隔兩個數(shù)取一次．比如[1,3,3,4,5,6,7]安照3個數(shù)取均值，兩步取一次，那么結果就是[ 2.3333 ,4 ,6 ]，也就是核是一維的，也只作用于一個維度。按照池化操作計算公式input size為[2,2,7],kernel size為3，步長為2，則輸出維度計算（7-3）/2+1=3所以輸出維度是[2,2,3]，這與輸出結果是一致的。
pytorch中的F.avg_pool2d（），ｉｎｐｕｔ是維度是４維如［２，２，４，４］，表示這里批量數(shù)是２也就是兩張圖像，這里應該是有通道（ｆｅａｔｕｒｅ?。恚幔穑?shù)量是２，圖像是ｓｉｚｅ是４＊４的．核ｓｉｚｅ是（２，２）步長是（２，２）表示被核覆蓋的數(shù)取平均，橫向縱向的步長都是２．那么核是二維的，所以取均值時也是覆蓋二維取的。輸出中第一個1.5的計算是：1+2+1+2/4=1.5.表示第一張圖像左上角的四個像素點的均值。按照池化操作計算公式input size為[2,2,4,4],kernel size為2*2，步長為2，則輸出維度計算（4-2）/2+1=2所以輸出維度是[2,2,2,2]，這與輸出結果是一致的。
以上這篇pytorch AvgPool2d函數(shù)使用詳解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腳本之家。
相關文章
今天小編就為大家分享一篇關于Django框架模板介紹，小編覺得內容挺不錯的，現(xiàn)在分享給大家，具有很好的參考價值，需要的朋友一起跟隨小編來看看吧2019-01-01
今天小編就為大家分享一篇pycharm不能運行.py文件的解決方法，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2020-02-02
Python+Pygame實戰(zhàn)之英文版猜字游戲的實現(xiàn)
這篇文章主要為大家介紹了如何利用Python中的Pygame模塊實現(xiàn)英文版猜單詞游戲，文中的示例代碼講解詳細，對我們學習Python游戲開發(fā)有一定幫助，需要的可以參考一下2022-08-08
這篇文章主要介紹了Django中使用locals()函數(shù)的技巧,Django是Python重多高人氣框架中最為著名的一個,需要的朋友可以參考下2015-07-07
手把手教你pycharm專業(yè)版安裝破解教程(linux版)
這篇文章主要介紹了 手把手教你pycharm專業(yè)版安裝破解教程(linux版)，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2019-09-09
這篇文章主要介紹了python使用cv2庫、下載opencv庫的方法,本文給大家介紹的非常詳細，對大家的學習或工作具有一定的參考借鑒價值，需要的朋友可以參考下2023-04-04
這篇文章主要介紹了Python字典常見操作,結合實例形式總結分析了Python字典的定義、添加、刪除、遍歷等常見使用技巧與操作注意事項,需要的朋友可以參考下2019-10-10
不同對象比較是按照 type names 比較，當相同類型對象不支持適當比較的時候，采用 address 比較,需要的朋友可以參考下2014-08-08
本文主要介紹了Python虛擬環(huán)境遷移的實現(xiàn)，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2023-03-03
這篇文章主要介紹了python定義類self用法實例解析,文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下2020-01-01