对Pytorch中Tensor的各种池化操作解析

Python  /  管理员 发布于 5年前   532

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>>>> atensor([[[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>>> atensor([[[[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>>> atensor([[[[[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]]]]])

以上这篇对Pytorch中Tensor的各种池化操作解析就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持。