本文详细介绍了卷积神经网络中平均池化操作的工作原理，以一个形状为[2,2,4,4]的输入为例，解释了kernel_size和stride参数的作用。当kernel_size=(2,2)且stride=(2,2)时，每次取样窗口为2x2，窗口按2x2的步幅移动，对每个窗口内的元素求平均，最终将原输入缩放为2x2的表格。该过程有助于减少模型参数，提高计算效率。
首先介绍一篇文章，写得比较清楚。
https://blog.csdn.net/geter_CS/article/details/80408782
运用该文章中的例子，shape为[2,2,4,4]的input，第一个分量代表有两个batch,第二个代表有两个feature map，最后两部分则是用来做平均取样的维度4 * 4。
函数AvgPool2d中有两个重要的参数，一个是kernel_size，一个是stride，第一个表示你取样的window大小，第二个则表示为你取样window上下左右移动步幅的大小。
每个表格：
如果kernel_size = (2,2)那么每次的取样窗口为22大小。
stride = (2,2)时，向右移动两个单位
向下同样是两个单位移动window
对于每个window求平均，用平均数代替原本的window框取的部分，最后得到一个22的表格
3万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
