参数说明: -output_size:指定输出的尺寸,可以是一个整数或一个元组。如果是一个整数,则表示输出的尺寸在每个维度上都是该整数;如果是一个元组,则表示输出的尺寸在每个维度上分别为该元组中的值。 3. 示例 下面是一个使用AdaptiveAvgPool2D的示例: importtorch importtorch.nnasnn # 创建一个输入数据 input_data...
avgpool = paddle.nn.AvgPool2D(kernel_size=[3, 3], stride=[2, 2], padding=[1], exclusive=False, ceil_mode=False) input = paddle.randn([1, 12, 3, 2]) output = avgpool(input) Traceback (most recent call last): File "/mnt/AA_MoCoDiff/MoCoDiff/result_extract_pytorch_paddle_fixe...
其参数为输出的特征图的大小,可以是一个整数,也可以是一个二元组。例如,当参数为(1, 1)时,表示输出的特征图的大小为1×1。 使用AdaptiveAvgPool2d参数进行平均池化操作的好处在于,它可以适应不同尺寸的输入特征图,无论输入特征图的大小如何,都可以得到相同大小的输出特征图。这在一些需要保留输入特征图的空间...