torch之AvgPool2d

最新推荐文章于 2024-04-20 14:27:49 发布
最新推荐文章于 2024-04-20 14:27:49 发布
阅读量2.2w 收藏 20
点赞数 6
分类专栏： torch
版权声明：本文为博主原创文章，遵循 CC 4.0 BY 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/yangwangnndd/article/details/95510597
版权

torch之AvgPool2d

  • 定义：CLASS torch.nn.AvgPool2d(kernel_size, stride=None, padding=0, ceil_mode=False, count_include_pad=True)
  • 参数：
    在这里插入图片描述
  • shape：
    在这里插入图片描述
  • example:
>>> # pool of square window of size=3, stride=2
>>> m = nn.AvgPool2d(3, stride=2)
>>> # pool of non-square window
>>> m = nn.AvgPool2d((3, 2), stride=(2, 1))
>>> input = torch.randn(20, 16, 50, 32)
>>> output = m(input)
Nicola-Zhang
关注
  • 6
    点赞
  • 踩
  • 20
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
pytorch avg_pool2d
qq_38417994的博客
03-02 1万+
avg_pool2d用法 首先看一下官方文档解释 input ：输入张量 kernel_size ：pool的大小，可以是一个单个数字，也可以是一个tuple，如果是单个数字，例如2，就是（2，2） stride： pool移动的大小，可以为单个数字，也可以是一个tuple padding ：在两侧填充0，可以为单个数字，也可以是一个tuple ceil_mode ：如果为True，将在公式中使用ceil而不是floor来计算输出形状。 count_include_pad ：值为true时，将在平均计算
pytorch torch.nn.AdaptiveAvgPool2d()自适应平均池化函数详解
12-23
如题：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： 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 the nu
torch.nn.AvgPool2d 图解
Petersburg的博客
08-15 4993
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44。 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
Pytorch 之torch.nn初探 池化--Pooling Layers
最新发布
weixin_50917576的博客
04-20 1060
本关任务：本关提供了一个Variable 类型的变量x，要求按照条件创建一个Conv2d变量conv，一个MaxPool2d变量pool，对x应用卷积和最大池化操作并赋值给变量outpout_pool，并输出outpout_pool 的大小。
Pytorch的AvgPool2d函数
OneBaBa的专栏
10-20 4357
import torch import torch.nn as nn import torch.nn.functional as F from torch.autograd import Variable import numpy as np input = Variable(torch.Tensor([[[1, 3, 3, 4, 5, 6, 7], [1, 2, 3, 4, 5, 6, 7]], [[1, 3, 3, 4, 5, 6, 7], [1, 2, 3, 4, 5, 6, 7]]]).
torch.nn.functional.avg_pool2d和torch.nn.AvgPool2d的使用
敲代码的小风
02-15 3548
参考链接: torch.nn.functional.avg_pool2d(input, kernel_size, stride=None, padding=0, ceil_mode=False, count_include_pad=True, divisor_override=None) 参考链接: class torch.nn.AvgPool2d(kernel_size, stride=None, padding=0, ceil_mode=False, count_include_pad=True, di
torch.nn.functional.avg_pool2d(input, kernel_size, stride=None, padding=0, ceil_mode=False, count_in
qq_35608277的博客
01-05 5976
ref https://pytorch.org/docs/stable/nn.html#torch-nn-functional torch.nn.functional.avg_pool2d(input, kernel_size, stride=None, padding=0, ceil_mode=False, count_include_pad=True) → Tensor 只需要输出张量， ...
AvgPool2d函数
weixin_43483305的博客
12-22 4690
AvgPool2d函数说明示例 说明 AvgPool2d函数 平均池化 示例 导入三方库 import torch import torch.nn as nn import numpy as np 设置测试数 a = torch.tensor([[[1., 2., 3.],[4., 5., 6.],[4., 5., 6.]],[[3., 4., 5.],[6., 5., 4.],[3., 2., 1.]]]) print(a.shape) a 结果 torch.Size([2, 3, 3]) tensor(
pytorch AvgPool2d函数使用详解
12-23
import torch import torch.nn as nn import torch.nn.functional as F from torch.autograd import Variable import numpy as np input = Variable(torch.Tensor([[[1, 3, 3, 4, 5, 6, 7], [1, 2, 3, 4, 5, 6, 7]],...
pytorch之Resize()函数具体使用详解
12-20
了解`Resize()`函数后，您可能还会对其他PyTorch相关的函数感兴趣，比如`index_select()`、`topk()`、各种激活函数（如ReLU）、`AvgPool2d`、损失函数、`pad()`、`scatter()`以及`mask_select`等。这些函数都是...
详解pytorch中squeeze()和unsqueeze()函数介绍
12-17
- `AvgPool2d()`: 用于进行平均池化操作，常用于图像处理。 - `index_select()`: 根据给定的索引选取张量的特定部分。 - `Resize()` 或 `interpolate()`: 调整张量的尺寸，常用于图像缩放。 - 损失函数：如`MSELoss`...
pytorch卷积、反卷积 - download from internet.pdf
09-14
在PyTorch中，卷积和反卷积操作可以通过`torch.nn.Conv2d`和`torch.nn.ConvTranspose2d`模块实现，而池化操作则可以通过`torch.nn.MaxPool2d`和`torch.nn.AvgPool2d`实现。在构建网络时，可以灵活地调整这些层的参数...
【PyTorch】常用的神经网络层汇总（持续补充更新）.doc
07-10
- 除了 MaxPool2d，还有其他类型的池化层，如平均池化（nn.AvgPool2d）和全局池化（nn.GlobalAvgPool2d 和 nn.GlobalMaxPool2d），这些在构建网络时也很常见。 在构建神经网络模型时，卷积层和池化层常常交替出现...
pytorch AvgPool2d函数
热门推荐
geter_CS的博客
05-22 4万+
import torch import torch.nn as nn import torch.nn.functional as F from torch.autograd import Variable import numpy as np input = Variable(torch.Tensor([[[1, 3, 3, 4, 5, 6, 7], [1, 2, 3, 4, 5...
对于torch.nn.AdaptiveAvgPool2d()自适应平均池化函数的一些理解
weixin_45928096的博客
01-15 1万+
对于torch.nn.AdaptiveAvgPool2d()自适应平均池化函数的一些理解 torch.nn.AdaptiveAvgPool2d()接受两个参数，分别为输出特征图的长和宽，其通道数前后不发生变化。 我认为在我们构造模型的时候，AdaptiveAvgPool2d()的位置一般在卷积层和全连接层的交汇处，以便确定输出到Linear层的大小。 AdaptiveAvgPool2d()中H、W的选取与我们的图的初始大小（长宽）和池化层的数量有关系，也就是与经过多个卷积池化操作后的图像长宽有关。
学习笔记（13):零基础掌握 Python 入门到实战-字典与集合，你真的了解吗？（二）
weixin_45379407的博客
10-04 619
【为什么学Python】 Python 是当今非常热门的语言之一，2020年的 TIOBE 编程语言排行榜中 ，Python名列第一，并且其流行度依然处在上升势头。 在2015年的时候，在网上还经常看到学Python还是学R的讨论，那时候老齐就选择了Python，并...
avgpool2d
scar2016的博客
02-27 1280
文章目录1. 函数说明2. 使用范例 1. 函数说明 class torch.nn.AvgPool2d(kernel_size, stride=None, padding=0, ceil_mode=False, count_include_pad=True, divisor_override=None) 作用：在由多个输入平面组成的输入信号上应用二维平均池。 kernel_size:卷积核的大小 stride: 步幅大小 padding : 填充 2. 使用范例 我们想对如下(4,4)的矩阵应用一个
【pytorch】nn.AvgPool2d()与AdaptiveAvgPool2d() 的区别
一白梦人的博客
03-02 2677
【pytorch】nn.AvgPool2d()与AdaptiveAvgPool2d() 的区别
torch.nn.AvgPool2d
06-11
在PyTorch中，`torch.nn.AvgPool2d`是用于实现2D平均池化操作的类。其用法和`torch.nn.MaxPool2d`类似，只需要将`MaxPool2d`改为`AvgPool2d`即可。例如： ```python import torch.nn as nn # 定义一个2层的CNN网络 class Net(nn.Module): def __init__(self): super(Net, self).__init__() self.conv1 = nn.Conv2d(3, 6, kernel_size=5) self.pool = nn.AvgPool2d(kernel_size=2, stride=2) self.conv2 = nn.Conv2d(6, 16, kernel_size=5) def forward(self, x): x = self.pool(F.relu(self.conv1(x))) x = self.pool(F.relu(self.conv2(x))) return x ``` 其中，`nn.AvgPool2d`的参数和`nn.MaxPool2d`的参数一样，可以参考前面的回答。和`MaxPool2d`不同的是，`AvgPool2d`是取池化窗口内像素的平均值作为输出，而不是取最大值。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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