Python PyTorch AvgPool1d用法及代码示例

本文简要介绍python语言中 torch.nn.AvgPool1d 的用法。

用法:

class torch.nn.AvgPool1d(kernel_size, stride=None, padding=0, ceil_mode=False, count_include_pad=True)

参数：

• kernel_size-窗口的大小

• stride-窗口的步幅。默认值为kernel_size

• padding-要在两侧添加隐式零填充

• ceil_mode-当为 True 时，将使用 ceil 而不是 floor 来计算输出形状

• count_include_pad-当为 True 时，将在平均计算中包括零填充

在由多个输入平面组成的输入信号上应用一维平均池化。

在最简单的情况下，输入大小为 (N, C, L) 、输出 (N, C, L_{out}) 和 kernel_size k 的层的输出值可以精确地说明为：

\text{out}(N_i, C_j, l) = \frac{1}{k} \sum_{m=0}^{k-1} \text{input}(N_i, C_j, \text{stride} \times l + m)

如果 padding 非零，则输入在 padding 点数的两侧隐式补零。

注意

当ceil_mode=True 时，如果滑动窗口在左侧填充或输入内开始，则允许滑动窗口越界。将在右侧填充区域开始的滑动窗口将被忽略。

参数 kernel_size 、 stride 、 padding 均可以是 int 或单元素元组。

形状：

• 输入：(N, C, L_{in}) 或 (C, L_{in} 。

• 输出： (N, C, L_{out}) 或 (C, L_{out}) ，其中

  L_{out} = \left\lfloor \frac{L_{in} + 2 \times \text{padding} - \text{kernel\_size}}{\text{stride}} + 1\right\rfloor

例子：

>>> # pool with window of size=3, stride=2
>>> m = nn.AvgPool1d(3, stride=2)
>>> m(torch.tensor([[[1.,2,3,4,5,6,7]]]))
tensor([[[ 2.,  4.,  6.]]])