【无标题】

import torch
import torch.nn as nn

a = torch.arange(24).reshape(2,3,2,2).float()
s= nn.AdaptiveAvgPool2d(1)
print('a = ',a)

d = s(a)
print('d=',d.size())
print('d=',d)
b= nn.Sigmoid()
c = b(d)
print('c=',c)

a =  tensor([[[[ 0.,  1.],
          [ 2.,  3.]],

         [[ 4.,  5.],
          [ 6.,  7.]],

         [[ 8.,  9.],
          [10., 11.]]],


        [[[12., 13.],
          [14., 15.]],

         [[16., 17.],
          [18., 19.]],

         [[20., 21.],
          [22., 23.]]]])
d= torch.Size([2, 3, 1, 1])
d= tensor([[[[ 1.5000]],

         [[ 5.5000]],

         [[ 9.5000]]],


        [[[13.5000]],

         [[17.5000]],

         [[21.5000]]]])
c= tensor([[[[0.8176]],

         [[0.9959]],

         [[0.9999]]],


        [[[1.0000]],

         [[1.0000]],

         [[1.0000]]]])

对于

nn.AdaptiveAvgPool2d(1)

求得的是一个（batchsize,channel,h,w）-------> （batchsize,channel,1,1）就是将H,W方向求平均的一个值。

对于是通道注意力机制采用sigmoid就可以求得空间位置像素的权值，这个是一个值，每一个位置都乘以这一个值。