Pytorch中Tensor的各种池化操作

AdaptiveAvgPool1d(N)

对一个C*H*W的三维输入Tensor, 池化输出为C*H*N, 即按照H轴逐行对W轴平均池化

>>> a = torch.ones(2,3,4)
>>> a[0,1,2] = 0
>>>> a
tensor([[[1., 1., 1., 1.],
         [1., 1., 0., 1.],
         [1., 1., 1., 1.]],

        [[1., 1., 1., 1.],
         [1., 1., 1., 1.],
         [1., 1., 1., 1.]]])
         
>>> nn.AdaptiveAvgPool1d(5)(a)
tensor([[[1.0000, 1.0000, 1.0000, 1.0000, 1.0000],
         [1.0000, 1.0000, 0.5000, 0.5000, 1.0000],
         [1.0000, 1.0000, 1.0000, 1.0000, 1.0000]],

        [[1.0000, 1.0000, 1.0000, 1.0000, 1.0000],
         [1.0000, 1.0000, 1.0000, 1.0000, 1.0000],
         [1.0000, 1.0000, 1.0000, 1.0000, 1.0000]]])
         
>>> nn.AdaptiveAvgPool1d(1)(a)
tensor([[[1.0000],
         [0.7500],
         [1.0000]],

        [[1.0000],
         [1.0000],
         [1.0000]]])

AdaptiveAvgPool2d((M,N))

对一个B*C*H*W的四维输入Tensor, 池化输出为B*C*M*N, 即按照C轴逐通道对H*W平面平均池化

>>> a = torch.ones(2,2,3,4)
>>> a[:,:,:,1] = 0
>>> a
tensor([[[[1., 0., 1., 1.],
          [1., 0., 1., 1.],
          [1., 0., 1., 1.]],

         [[1., 0., 1., 1.],
          [1., 0., 1., 1.],
          [1., 0., 1., 1.]]],


        [[[1., 0., 1., 1.],
          [1., 0., 1., 1.],
          [1., 0., 1., 1.]],

         [[1., 0., 1., 1.],
          [1., 0., 1., 1.],
          [1., 0., 1., 1.]]]])
         
>>> nn.AdaptiveAvgPool2d((1,2))(a)
tensor([[[[0.5000, 1.0000]],
         [[0.5000, 1.0000]]],
         
        [[[0.5000, 1.0000]],
         [[0.5000, 1.0000]]]])
         
>>> nn.AdaptiveAvgPool2d(1)(a)
tensor([[[[0.7500]],
         [[0.7500]]],

        [[[0.7500]],
         [[0.7500]]]])

AdaptiveAvgPool3d((M,N,K))

对一个B*C*D*H*W的五维输入Tensor, 池化输出为B*C*M*N*K, 即按照C轴逐通道对D*H*W平面平均池化

>>> a = torch.ones(1,2,2,3,4)
>>> a[0,0,:,:,0:2] = 0
>>> a
tensor([[[[[0., 0., 1., 1.],
           [0., 0., 1., 1.],
           [0., 0., 1., 1.]],
           
          [[0., 0., 1., 1.],
           [0., 0., 1., 1.],
           [0., 0., 1., 1.]]],

         [[[1., 1., 1., 1.],
           [1., 1., 1., 1.],
           [1., 1., 1., 1.]],

          [[1., 1., 1., 1.],
           [1., 1., 1., 1.],
           [1., 1., 1., 1.]]]]])
         
>>> nn.AdaptiveAvgPool3d((1,1,2))(a)
tensor([[[[[0., 1.]]],

         [[[1., 1.]]]]])
         
>>> nn.AdaptiveAvgPool3d(1)(a)
tensor([[[[[0.5000]]],

         [[[1.0000]]]]])
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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