Python PyTorch AvgPool3d用法及代码示例

本文简要介绍python语言中 torch.nn.AvgPool3d 的用法。

用法:

class torch.nn.AvgPool3d(kernel_size, stride=None, padding=0, ceil_mode=False, count_include_pad=True, divisor_override=None)

参数：

• kernel_size-窗口的大小

• stride-窗口的步幅。默认值为kernel_size

• padding-在所有三个边上添加隐式零填充

• 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

• divisor_override-如果指定，它将用作除数，否则将使用kernel_size

在由多个输入平面组成的输入信号上应用 3D 平均池化。

在最简单的情况下，输入大小为 (N, C, D, H, W) 、输出 (N, C, D_{out}, H_{out}, W_{out}) 和 kernel_size (kD, kH, kW) 的层的输出值可以精确地说明为：

\begin{aligned} \text{out}(N_i, C_j, d, h, w) ={} & \sum_{k=0}^{kD-1} \sum_{m=0}^{kH-1} \sum_{n=0}^{kW-1} \\ & \frac{\text{input}(N_i, C_j, \text{stride}[0] \times d + k, \text{stride}[1] \times h + m, \text{stride}[2] \times w + n)} {kD \times kH \times kW} \end{aligned}

如果 padding 不为零，则输入在所有三个边上都隐式补零以用于 padding 点数。

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 可以是：

• 单个 int - 在这种情况下，深度、高度和宽度尺寸使用相同的值

• 三个整数的 tuple - 在这种情况下，第一个 int 用于深度维度，第二个 int 用于高度维度，第三个 int 用于宽度维度

形状：

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

• 输出： (N, C, D_{out}, H_{out}, W_{out}) 或 (C, D_{out}, H_{out}, W_{out}) ，其中

  D_{out} = \left\lfloor\frac{D_{in} + 2 \times \text{padding}[0] - \text{kernel\_size}[0]}{\text{stride}[0]} + 1\right\rfloor
  H_{out} = \left\lfloor\frac{H_{in} + 2 \times \text{padding}[1] - \text{kernel\_size}[1]}{\text{stride}[1]} + 1\right\rfloor
  W_{out} = \left\lfloor\frac{W_{in} + 2 \times \text{padding}[2] - \text{kernel\_size}[2]}{\text{stride}[2]} + 1\right\rfloor

例子：

>>> # pool of square window of size=3, stride=2
>>> m = nn.AvgPool3d(3, stride=2)
>>> # pool of non-square window
>>> m = nn.AvgPool3d((3, 2, 2), stride=(2, 1, 2))
>>> input = torch.randn(20, 16, 50,44, 31)
>>> output = m(input)