F.avg_pool1d()与F.avg_pool2d()

F.avg_pool1d()

input: [batch_size,channels,width),channel可以看成高度

kernel: 一维，表示width的跨度，channel和输入的channel一致可以认为是矩阵的高度

假设kernel_size=2,则每2列相加求平均，

stride默认和kernel_size保持一致，越界则丢弃（下面表示1,2列相加求平均，13，4列相加求平均）

F.avg_pool1d（）中核ｓｉｚｅ是３，步长是２表示每三个数取平均，每隔两个数取一次

import torch
from torch.nn import functional as F
input = torch.tensor([[1,1,1,1,1],[1,1,1,1,1],[0,0,0,1,1],[1,1,1,1,1]]).unsqueeze(0).float()
print(input.shape)#torch.Size([1, 4, 5])(batch_size, channel,width]
print(input)#tensor([[[1., 1., 1., 1., 1.],
         # [1., 1., 1., 1., 1.],
         # [0., 0., 0., 1., 1.],
         # [1., 1., 1., 1., 1.]]])
m = F.avg_pool1d(input,kernel_size=2)
print(m)#tensor([[[1.0000, 1.0000],
         # [1.0000, 1.0000],
         # [0.00