Pytorch 里 nn.AdaptiveAvgPool2d(output_size) 原理

最新推荐文章于 2024-08-11 14:15:21 发布
最新推荐文章于 2024-08-11 14:15:21 发布
阅读量1.2w 收藏 5
点赞数 6
分类专栏： 深度学习 Pytorch 文章标签： 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/FiveStarsGeneral/article/details/89395069
版权

举个简单的例子：输入的是(1,1, 3,3)大小的tensor，然后在 nn.AdaptiveAvgPool2d(2)的作用下，会成为一个2*2的tensor，首先要知道采用的是平均池化，比如:

1,2,3

4,5,6

7,8,9

因为函数是自适应，所以strides，paddings等参数都自适应好了，这个例子中，strides=1，最终结果为：

3,4

6,7

这是我的理解，有错误欢迎指正，谢谢

5星上将
关注
专栏目录
pytorch torch.nn.AdaptiveAvgPool2d()自适应平均池化函数详解
12-23
CLASStorch.nn.AdaptiveAvgPool2d(output_size)[SOURCE] Applies a 2D adaptive average pooling over an input signal composed of several input planes. The output is of size H x W, for any input size. The ...
nn.AdaptiveAvgPool2d
芒果干的博客
11-06 1万+
torch.nn.AdaptiveAvgPool2d torch.nn.AdaptiveAvgPool2d(output_size) output_size：可以为tuple类型(H, W)，也可以为一个数字H表示(H, H)，H,W可以为int或者None类型，如果是None默认与输入相同大小 二维平均自适应池化，只需要给出输出的参数就可以自动寻找相应的kernal size以及stride Applies a 2D adaptive average pooling over an input si
pytorch 对AdaptiveAveragePooling源码实现的理解（只分析了outputsize=[1,1]的情况）
goodgoodstudy___的博客
11-25 1616
1.前言 最近有把AdaptiveAveragePooling转成其他pooling方式的需求，要求的情况是输出为outputsize=[1,1]，想知道AdaptiveAveragePooling是怎么自适应计算kernel size和stride的，于是去瞄了一眼源码 源码位置：c++源码 2.outputsize=[1,1]情况下AdaptiveAveragePooling源码的处理 Tensor adaptive_avg_pool2d( at::Tensor const& inp
PyTorch库学习之nn.AdaptiveAvgPool2d函数
最新发布
qq_46396470的博客
08-11 443
是 PyTorch 中用于实现自适应平均池化操作的模块。这个模块将输入特征图调整到指定的输出尺寸，通过对特征图中的区域进行平均池化操作来实现。与固定大小的池化操作不同，自适应平均池化可以动态调整特征图的尺寸，使得输出具有指定的高度和宽度。
nn.AdaptiveAvgPool2d——二维自适应平均池化运算
qq_50001789的博客
09-28 1万+
PyTorch学习笔记：nn.AdaptiveAvgPool2d——二维自适应平均池化运算 torch.nn.AdaptiveAvgPool2d(output_size) 功能：该函数与二维平均池化运算类似，区别主要体现在自适应上，对于任何输入大小，输出大小均为指定的H×W大小。 输入： output_size：指定的输出大小，可以是元组(H，W)，或者是单个的数，如果是单个的数，则表示输出的高和宽尺寸一样，output_size大小可以大于输入的图片尺寸大小。 代码案例 一般用法 import to
nn.AdaptiveAvgPool2d和nn.AvgPool2d的区别
AI浩
12-21 2723
功能：该函数与二维平均池化运算类似，区别主要体现在自适应上，对于任何输入大小，输出大小均为指定的H×W大小。output_size：指定的输出大小，可以是元组(H，W)，或者是单个的数，如果是单个的数，则表示输出的高和宽尺寸一样，output_size大小可以大于输入的图片尺寸大小。
pytorch AdaptivePool2d
weixin_43436824的博客
06-09 823
再看代码时候看到了这个 顺便学习一下 self.pool1 = AdaptiveAvgPool2d(1） AdaptiveAvgPool2d(output_size) 自适应池化Adaptive Pooling是PyTorch的一种池化层，根据1D，2D，3D以及Max与Avg可分为六种形式。 自适应池化Adaptive Pooling与标准的Max/AvgPooling区别在于，自适应池化Ada...
pytorch nn.Conv2d()中的padding以及输出大小方式
09-18
在PyTorch中，`nn.Conv2d()`是用于创建二维卷积层的类，它是深度学习模型构建中常用的基本组件。卷积层通过在输入数据上应用一系列滤波器（或称权重）来提取特征，这些滤波器通常具有一定的尺寸（kernel_size）、...
浅析PyTorch中nn.Module的使用
09-18
在这个方法中，你可以创建并添加层（`nn.Module`的子类，如`nn.Linear`, `nn.Conv2d`等），以及其他需要的变量。 2. **_parameters**：这是一个字典，存储了所有直接由用户设置的`Parameter`对象，这些参数通常代表...
【三维点云分割】 adaptive_avg_pool2d解释示例
controlourself的博客
04-27 1232
与传统的池化方法不同，自适应平均池化（Adaptive Average Pooling）能够根据输入的形状自动调整输出的形状。具体而言，它通过指定期望的输出特征图大小，自动计算需要做多少步采样，并对每个采样区域上的特征值取平均值作为输出的特征值。因此，adaptive_avg_pool2d可以方便地处理各种输入大小到同样大小的输出大小的问题。常规的池化操作如最大池化、平均池化等都是固定的池化核大小，这样会导致在不同输入大小的情况下，最终得到的特征图的大小也会不同。
AdaptiveAvgPool2d理解（中网、外网整合)
xiyou__的博客
11-12 2万+
结合中网和外网关于pytorch的AdaptiveAvg2d的优秀解答，并结合自己的理解，分析了AdaptiveAvg2d和一般池化的区别，并举实例帮助理解。
Pytorch中的nn.AdaptiveAvgPool2d(output_size)简单介绍
#仙女不扎马尾#的博客
04-21 2465
文章目录1 什么是池化？（Pooling）2 adaptivePooling和GeneralPooling3 代码调用 1 什么是池化？（Pooling） Pooling，池化层，又称下采样、汇聚层，是从样本中再选样本的过程。是为了缩减数据维度的操作。 Pooling主要分两类：①最大池化（Max pooling）②均值池化（Avg pooling） 前者是取size×size中最大值。后者是采用平均值。 2 adaptivePooling和GeneralPooling AdaptivePoolin
AdaptiveAvgPool2d函数解读
whutfan的博客
05-18 933
AdaptiveAvgPool2d CLASStorch.nn.AdaptiveAvgPool2d(output_size)[SOURCE] Applies a 2D adaptive average pooling over an input signal composed of several input planes. The output is of size H x W, for any input size. The number of output features is equal to t
【深度学习】(1) CNN中的注意力机制（SE、ECA、CBAM），附Pytorch完整代码
热门推荐
博观而约取，厚积而薄发
06-03 9万+
大家好，今天和各位分享一下如何使用 Pytorch 构建卷积神经网络中的各种注意力机制，如：SENet，ECANet，CBAM。注意力机制的原理 和 TensorFlow2 的实现方式可以看我下面两篇博文：SENet、ECANet：https://blog.csdn.net/dgvv4/article/details/123572065DANet、CBAM：https://blog.csdn.net/dgvv4/article/details/123888724SE注意力机制（Squeeze-and-Exc
Pool池化下采样层详解（三）
梦在黎明破晓时的博客
10-22 452
output_size：指定输出固定尺寸。自适应平均池化，指定输出（H，W）
pytorch中的池化函数
thy0000的博客
10-13 4024
PyTorch 提供了多种池化函数，用于对输入数据进行不同类型的池化操作。这些池化函数允许你对不同维度的输入数据进行平均池化或最大池化，并且有自适应版本，可以自动调整输入大小以满足指定的输出大小。选择适当的池化函数取决于你的应用和输入数据的维度。
Pytorch学习笔记(五):nn.AdaptiveAvgPool2d()函数详解
源的博客
06-17 4万+
相关文章 Pytorch学习笔记(一):torch.cat()模块的详解 Pytorch学习笔记(二):nn.Conv2d()函数详解 Pytorch学习笔记(三):nn.BatchNorm2d()函数详解 [Pytorch学习笔记(四):nn.MaxPool2d()函数详解] Pytorch学习笔记(五):nn.AdaptiveAvgPool2d()函数详解 文章目录1.函数语法格式和作用2.参数解释3.具体代码 1.函数语法格式和作用 作用: 自适应平均池化，指定输出（H，W） 函数语言格式: nn
nn.AdaptiveAvgPool2d(output_size)输入和输出怎么回事？
qq_51219814的博客
12-04 1482
函数作用：自适应进行平均池化。不用管输入、stride、padding，函数参数只有输出大小，其他的这个函数帮你搞定。问题就是，我想知道他是咋搞定的？
nn.AdaptiveAvgPool2d(1)
weixin_44883789的博客
08-26 1866
在这里，参数 1 指定了输出的大小。具体来说，对于输入的特征图，自适应平均池化层将自动计算并应用适当的池化尺寸，以使。nn.AdaptiveAvgPool2d(1) 是 PyTorch 中的一个内置函数，用于创建一个。自适应平均池化层可以动态地将输入张量的大小调整为指定的输出大小，并对输入张量的每个。，可以在神经网络的前向传播过程中使用平均池化操作来提取输入特征的。：这在某些任务中可能会有益处，例如图像分类中的特征汇聚或提取。
pytorch nn.adaptiveavgpool2d公式
04-30
PyTorch中的nn.adaptiveavgpool2d是一种自适应平均池化函数，用于将输入张量的大小调整为指定输出大小。它采用的池化方式与常规2D平均池化相同，但可以选择使用指定的输出大小，而无需输入形状。 公式如下： ``` ...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值