自适应平均池化 2d ¶

类 torch.nn.AdaptiveAvgPool2d(output_size)[source][source] ¶

对由多个输入平面组成的输入信号应用 2D 自适应平均池化。

输出大小为 H x W，适用于任何输入大小。输出特征的数量等于输入平面的数量。

参数:

output_size（联合[int, None, tuple[Optional[int], Optional[int]]]）- 目标输出图像的大小，形式为 H x W。可以是元组（H, W）或单个 H 以形成正方形图像 H x H。H 和 W 可以是 int 或 None ，这意味着大小将与输入相同。

形状：

• 输入： $(N, C, H_{in}, W_{in})$ 或 $(C, H_{in}, W_{in})$ 。

• 输出： $(N, C, S_{0}, S_{1})$ 或 $(C, S_{0}, S_{1})$ ，其中 $S=\text{output\_size}$ 。

示例

>>> # target output size of 5x7
>>> m = nn.AdaptiveAvgPool2d((5, 7))
>>> input = torch.randn(1, 64, 8, 9)
>>> output = m(input)
>>> # target output size of 7x7 (square)
>>> m = nn.AdaptiveAvgPool2d(7)
>>> input = torch.randn(1, 64, 10, 9)
>>> output = m(input)
>>> # target output size of 10x7
>>> m = nn.AdaptiveAvgPool2d((None, 7))
>>> input = torch.randn(1, 64, 10, 9)
>>> output = m(input)