AvgPool2d函數如何在pytorch中使用

AvgPool2d函數如何在pytorch中使用？針對這個問題，這篇文章詳細介紹了相對應的分析和解答，希望可以幫助更多想解決這個問題的小伙伴找到更簡單易行的方法。

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]]]))
print("input shape",input.shape)
c = F.avg_pool1d(input, kernel_size=3, stride=2)
print(c)
print("c shape:",c.shape)
 
# m = nn.AvgPool2d(3, stride=2)
m = nn.AvgPool2d((2, 2), stride=(2, 2))
input = Variable(torch.randn(20, 18, 50, 32)) # bach是20,圖片size是50*31,chanel是1８(通道是1８,也就是每張圖有1８個fature map)
input = np.array([[[[1, 2, 3, 4], [1, 2, 3, 4], [1, 2, 3, 4], [1, 2, 3, 4]],
          [[1, 2, 3, 4], [1, 2, 3, 4], [1, 2, 3, 4], [1, 2, 3, 4]]],
         [[[1, 2, 3, 4], [1, 2, 3, 4], [1, 2, 3, 4], [1, 2, 3, 4]],
          [[1, 2, 3, 4], [1, 2, 3, 4], [1, 2, 3, 4], [1, 2, 3, 4]]]]) #size２*2*4*4
print("input shape:",input.shape)
input = Variable(torch.FloatTensor(input))
output = m(input)
print(output)
print("output shape:",output.shape)#(2,2,2,2)

輸出：

input shape torch.Size([2, 2, 7])
tensor([[[ 2.3333, 4.0000, 6.0000],
     [ 2.0000, 4.0000, 6.0000]],
 
    [[ 2.3333, 4.0000, 6.0000],
     [ 2.0000, 4.0000, 6.0000]]])
c shape: torch.Size([2, 2, 3])
input shape: (2, 2, 4, 4)
tensor([[[[ 1.5000, 3.5000],
     [ 1.5000, 3.5000]],
 
     [[ 1.5000, 3.5000],
     [ 1.5000, 3.5000]]],
 
 
    [[[ 1.5000, 3.5000],
     [ 1.5000, 3.5000]],
 
     [[ 1.5000, 3.5000],
     [ 1.5000, 3.5000]]]])
output shape: torch.Size([2, 2, 2, 2])

pytorch中的F.avg_pool1d（）平均池化操作作用于一維，ｉｎｐｕｔ的維度是三維比如［２,２,７］。F.avg_pool1d（）中核ｓｉｚｅ是３，步長是２表示每三個數取平均，每隔兩個數取一次．比如[1,3,3,4,5,6,7]安照3個數取均值，兩步取一次，那么結果就是[ 2.3333 ,4 ,6 ]，也就是核是一維的，也只作用于一個維度。按照池化操作計算公式input size為[2,2,7],kernel size為3，步長為2，則輸出維度計算（7-3）/2+1=3所以輸出維度是[2,2,3]，這與輸出結果是一致的。

pytorch中的F.avg_pool2d（），ｉｎｐｕｔ是維度是４維如［２，２，４，４］，表示這里批量數是２也就是兩張圖像，這里應該是有通道（ｆｅａｔｕｒｅ?。恚幔穑盗渴牵玻瑘D像是ｓｉｚｅ是４＊４的．核ｓｉｚｅ是（２，２）步長是（２，２）表示被核覆蓋的數取平均，橫向縱向的步長都是２．那么核是二維的，所以取均值時也是覆蓋二維取的。輸出中第一個1.5的計算是：1+2+1+2/4=1.5.表示第一張圖像左上角的四個像素點的均值。按照池化操作計算公式input size為[2,2,4,4],kernel size為2*2，步長為2，則輸出維度計算（4-2）/2+1=2所以輸出維度是[2,2,2,2]，這與輸出結果是一致的。

關于AvgPool2d函數如何在pytorch中使用問題的解答就分享到這里了，希望以上內容可以對大家有一定的幫助，如果你還有很多疑惑沒有解開，可以關注億速云行業(yè)資訊頻道了解更多相關知識。