快捷導(dǎo)航

對Pytorch中Tensor的各種池化操作解析

更新時間：2020年01月03日 10:18:30 作者：風(fēng)謹(jǐn)_

今天小編就為大家一篇對Pytorch中Tensor的各種池化操作解析，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧

AdaptiveAvgPool1d(N)

對一個C*H*W的三維輸入Tensor, 池化輸出為C*H*N, 即按照H軸逐行對W軸平均池化

>>> 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))

對一個B*C*H*W的四維輸入Tensor, 池化輸出為B*C*M*N, 即按照C軸逐通道對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))

對一個B*C*D*H*W的五維輸入Tensor, 池化輸出為B*C*M*N*K, 即按照C軸逐通道對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]]]]])

以上這篇對Pytorch中Tensor的各種池化操作解析就是小編分享給大家的全部內(nèi)容了，希望能給大家一個參考，也希望大家多多支持腳本之家。

您可能感興趣的文章:

相關(guān)文章

PyQt5的安裝配置過程,將ui文件轉(zhuǎn)為py文件后顯示窗口的實例
今天小編就為大家分享一篇PyQt5的安裝配置過程,將ui文件轉(zhuǎn)為py文件后顯示窗口的實例，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧
2019-06-06
python Selenium爬取內(nèi)容并存儲至MySQL數(shù)據(jù)庫的實現(xiàn)代碼
這篇文章主要介紹了python Selenium爬取內(nèi)容并存儲至MySQL數(shù)據(jù)庫的實現(xiàn)代碼,需要的朋友可以參考下
2017-03-03
關(guān)于Python OS模塊常用文件/目錄函數(shù)詳解
os模塊是操作系統(tǒng)接口模塊，提供了一些方便使用操作系統(tǒng)相關(guān)功能函數(shù)，這里介紹下os模塊中對于文件/目錄常用函數(shù)和使用方法。感興趣的朋友跟隨小編一起看看吧
2021-06-06
Python使用type關(guān)鍵字創(chuàng)建類步驟詳解
在本文里我們給讀者們整理了關(guān)于Python如何使用type關(guān)鍵字創(chuàng)建類的相關(guān)知識點，需要的朋友們參考學(xué)習(xí)下。
2019-07-07
python3實現(xiàn)多線程聊天室
這篇文章主要為大家詳細(xì)介紹了python3實現(xiàn)多線程聊天室，文中示例代碼介紹的非常詳細(xì)，具有一定的參考價值，感興趣的小伙伴們可以參考一下
2018-12-12
python實現(xiàn)class對象轉(zhuǎn)換成json/字典的方法
這篇文章主要介紹了python實現(xiàn)class對象轉(zhuǎn)換成json/字典的方法,結(jié)合實例形式分析了Python類型轉(zhuǎn)換的相關(guān)技巧,需要的朋友可以參考下
2016-03-03
Python實現(xiàn)希爾排序算法的原理與用法實例分析
這篇文章主要介紹了Python實現(xiàn)希爾排序算法,簡單講述了希爾排序的原理并結(jié)合具體實例形式分析了Python希爾排序的具體實現(xiàn)方法與使用技巧,需要的朋友可以參考下
2017-11-11
對python3中的RE(正則表達式)-詳細(xì)總結(jié)
今天小編就為大家分享一篇對python3中的RE(正則表達式)-詳細(xì)總結(jié)，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧
2019-07-07
分享Python?的24個編程超好用技巧
這篇文章主要給大家分享Python?的24個編程超好用技巧，下面分享一些python技巧和?tips，這些技巧將根據(jù)其首字母按?A-Z?的順序進行展示，具有一定的參考價值，需要的小伙伴可以參考一下
2022-02-02
pytorch+torchvision+python版本對應(yīng)及環(huán)境安裝
本文主要介紹了pytorch+torchvision+python版本對應(yīng)及環(huán)境安裝,安裝過程中需要注意Numpy版本的降級,以確保與PyTorch兼容,具有一定的參考價值,感興趣的可以了解一下
2025-03-03