Pytorch中Tensor的各种池化操作

本文主要是介绍Pytorch中Tensor的各种池化操作，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

AdaptiveAvgPool1d(N)

对一个C*H*W的三维输入Tensor, 池化输出为C*H*N, 即按照H轴逐行对W轴平均池化

>>> a = torch.ones(2,3,4)
>>> a[0,1,2] = 0
>>>> a
tensor([[[1., 1., 1., 1.],[1., 1., 0., 1.],[1., 1., 1., 1.]],[[1., 1., 1., 1.],[1., 1., 1., 1.],[1., 1., 1., 1.]]])>>> nn.AdaptiveAvgPool1d(5)(a)
tensor([[[1.0000, 1.0000, 1.0000, 1.0000, 1.0000],[1.0000, 1.0000, 0.5000, 0.5000, 1.0000],[1.0000, 1.0000, 1.0000, 1.0000, 1.0000]],[[1.0000, 1.0000, 1.0000, 1.0000, 1.0000],[1.0000, 1.0000, 1.0000, 1.0000, 1.0000],[1.0000, 1.0000, 1.0000, 1.0000, 1.0000]]])>>> nn.AdaptiveAvgPool1d(1)(a)
tensor([[[1.0000],[0.7500],[1.0000]],[[1.0000],[1.0000],[1.0000]]])

AdaptiveAvgPool2d((M,N))

对一个B*C*H*W的四维输入Tensor, 池化输出为B*C*M*N, 即按照C轴逐通道对H*W平面平均池化

>>> a = torch.ones(2,2,3,4)
>>> a[:,:,:,1] = 0
>>> a
tensor([[[[1., 0., 1., 1.],[1., 0., 1., 1.],[1., 0., 1., 1.]],[[1., 0., 1., 1.],[1., 0., 1., 1.],[1., 0., 1., 1.]]],[[[1., 0., 1., 1.],[1., 0., 1., 1.],[1., 0., 1., 1.]],[[1., 0., 1., 1.],[1., 0., 1., 1.],[1., 0., 1., 1.]]]])>>> nn.AdaptiveAvgPool2d((1,2))(a)
tensor([[[[0.5000, 1.0000]],[[0.5000, 1.0000]]],[[[0.5000, 1.0000]],[[0.5000, 1.0000]]]])>>> nn.AdaptiveAvgPool2d(1)(a)
tensor([[[[0.7500]],[[0.7500]]],[[[0.7500]],[[0.7500]]]])

AdaptiveAvgPool3d((M,N,K))

对一个B*C*D*H*W的五维输入Tensor, 池化输出为B*C*M*N*K, 即按照C轴逐通道对D*H*W平面平均池化

>>> a = torch.ones(1,2,2,3,4)
>>> a[0,0,:,:,0:2] = 0
>>> a
tensor([[[[[0., 0., 1., 1.],[0., 0., 1., 1.],[0., 0., 1., 1.]],[[0., 0., 1., 1.],[0., 0., 1., 1.],[0., 0., 1., 1.]]],[[[1., 1., 1., 1.],[1., 1., 1., 1.],[1., 1., 1., 1.]],[[1., 1., 1., 1.],[1., 1., 1., 1.],[1., 1., 1., 1.]]]]])>>> nn.AdaptiveAvgPool3d((1,1,2))(a)
tensor([[[[[0., 1.]]],[[[1., 1.]]]]])>>> nn.AdaptiveAvgPool3d(1)(a)
tensor([[[[[0.5000]]],[[[1.0000]]]]])

这篇关于Pytorch中Tensor的各种池化操作的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---