小编给大家分享一下pytorch中F.avg_pool1d()和F.avg_pool2d()的区别有哪些，相信大部分人都还不怎么了解，因此分享这篇文章给大家参考一下，希望大家阅读完这篇文章后大有收获，下面让我们一起去了解一下吧！input维度： （batch_size,channels,width）channel可以看成高度kenerl维度：（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,则每俩列相加求平均，stride默认和kernel_size保持一致，越界则丢弃（下面表示1，2列和3，4列相加求平均）假设kenerl_size=3,表示前3列相加求平均，后面的不足3列丢弃假设stride=1每次移动一个步伐input维度： （batch_size,channels,height,width）kenerl维度：（二维:表示width的跨度）channel和输入的channle一致，如果数据是三维，则channel为1.(如果只写一个数n，kenerl=(n,n))stride默认和kenerl一致，这是个二维的，所以在height和width上均和kenerl一致，越界同样丢弃。跟cnn卷积一致如果求列的平均kenerl=(1,5),此时默认stride=(1,5)如果求行的平均kenerl=(5,1),此时默认stride=(5,1),用卷积的概念取思考对于四维的数据，channel默认和输入一致补充：PyTorch中Adap免费云主机域名tiveAvgPool函数解析对输入信号，提供1维的自适应平均池化操作 对于任何输入大小的输入，可以将输出尺寸指定为H*W，但是输入和输出特征的数目不会变化。对输入信号，提供1维的自适应平均池化操作 对于任何输入大小的输入，可以将输出尺寸指定为H*W，但是输入和输出特征的数目不会变化。对输入信号，提供2维的自适应平均池化操作 对于任何输入大小的输入，可以将输出尺寸指定为H*W，但是输入和输出特征的数目不会变化。参数：output_size: 输出信号的尺寸,可以用(H,W)表示H*W的输出，也可以使用耽搁数字H表示H*H大小的输出以上是“pytorch中F.avg_pool1d()和F.avg_pool2d()的区别有哪些”这篇文章的所有内容，感谢各位的阅读！相信大家都有了一定的了解，希望分享的内容对大家有所帮助，如果还想学习更多知识，欢迎关注百云主机行业资讯频道！
本文小编为大家详细介绍“Java构建工具gradle怎么安装使用”，内容详细，步骤清晰，细节处理妥当，希望这篇“Java构建工具gradle怎么安装使用”文章能帮助大家解决疑惑，下面跟着小编的思路慢慢深入，一起来学习新知识吧。学习Java的同学，相信你们都用过…
免责声明：本站发布的图片视频文字，以转载和分享为主，文章观点不代表本站立场，本站不承担相关法律责任；如果涉及侵权请联系邮箱：360163164@qq.com举报，并提供相关证据，经查实将立刻删除涉嫌侵权内容。
微信扫一扫 
