Python PyTorch AdaptiveAvgPool3d用法及代码示例

本文简要介绍python语言中 torch.nn.AdaptiveAvgPool3d 的用法。

用法:

class torch.nn.AdaptiveAvgPool3d(output_size)

参数：

output_size-D x H x W 形式的目标输出大小。可以是元组 (D, H, W) 或立方体 D x D x D 的单个数字 D。 D、H 和 W 可以是 int ，或None，这意味着大小将与输入的大小相同。

在由多个输入平面组成的输入信号上应用 3D 自适应平均池化。

对于任何输入大小，输出的大小为 D x H x W。输出特征的数量等于输入平面的数量。

形状：

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

• 输出：(N, C, S_{0}, S_{1}, S_{2}) 或 (C, S_{0}, S_{1}, S_{2}) ，其中 S=\text{output\_size} 。

例子

>>> # target output size of 5x7x9
>>> m = nn.AdaptiveAvgPool3d((5,7,9))
>>> input = torch.randn(1, 64, 8, 9, 10)
>>> output = m(input)
>>> # target output size of 7x7x7 (cube)
>>> m = nn.AdaptiveAvgPool3d(7)
>>> input = torch.randn(1, 64, 10, 9, 8)
>>> output = m(input)
>>> # target output size of 7x9x8
>>> m = nn.AdaptiveAvgPool3d((7, None, None))
>>> input = torch.randn(1, 64, 10, 9, 8)
>>> output = m(input)