pytorch 的自适应池化adaptive pooling--nn.AdaptiveAvgPool2d

只需要给定输出特征图的大小就好，其中通道数前后不发生变化。具体如下：

自适应池化adaptive pooling 是pytorch含有的一种池化层，在pytorch中有6种形式：

自适应最大池化Adaptive Max Pooling：
torch.nn.AdaptiveMaxPool1d(output_size)
torch.nn.AdaptiveMaxPool2d(output_size)
torch.nn.AdaptiveMaxPool3d(output_size)

自适应平均池化Adaptive Average Pooling：
torch.nn.AdaptiveAvgPool1d(output_size)
torch.nn.AdaptiveAvgPool2d(output_size)
torch.nn.AdaptiveAvgPool3d(output_size)

使用例子

import torch.nn as nn
import torch
# target output size of 5x7
m = nn.AdaptiveMaxPool2d((5,7))
input = torch.randn(1, 64, 8, 9)
output = m(input)
print(output.size()) #torch.Size([1, 64, 5, 7])

# target output size of 7x7 (square)
m = nn.AdaptiveMaxPool2d(7)
input = torch.randn(1, 64, 10, 9)
output