torch.nn.functional.conv2d(input, weight, bias=None, stride=1, padding=0, dilation=1, groups=1) 在由几个输入平面组成的输入图像上应用2D卷积。 有关详细信息和输出形状,查看Conv2d。 参数: input– 输入的张量 (minibatch x in_channels x iH x iW) ...
torch.nn.functional.avg_pool2d(input, kernel_size, stride=None, padding=0, ceil_mode=False, count_include_pad=True) 在kh x kw区域中应用步长为dh x dw的二维平均池化操作。输出特征的数量等于输入平面的数量。 有关详细信息和输出形状,请参阅AvgPool2d。 参数:-input– 输入的张量 (minibatch x in...
torch.nn.functional.avg_pool2d(input, kernel_size, stride=None, padding=0, ceil_mode=False, count_include_pad=True) → Tensor source 通过步长dh x dw步骤在kh x kw区域中应用二维平均池操作。输出特征的数量等于输入平面的数量。 有关详细信息和输出形状,参考AvgPool2d ...
avg_pool1d(input, kernel_size=3, stride=2) tensor([[[ 2., 4., 6.]]]) avg_pool2d¶ torch.nn.functional.avg_pool2d(input, kernel_size, stride=None, padding=0, ceil_mode=False, count_include_pad=True, divisor_override=None)→ Tensor¶ Applies 2D average-pooling operation in ...
torch.Size([3, 5, 13, 13])>>> data_out = torch.nn.functional.avg_pool2d(data_in, kernel_size=4, stride=2)>>> data_out.shape torch.Size([3, 5, 49, 49])>>> “torch.nn.AvgPool2d的使用方法是什么”的内容就介绍到这里了,感谢大家的阅读。如果想了解更多行业相关的知识可以关注创新...
torch.nn.functional,目录Convolutionfunctionsconv1dconv2dconv3dconv_transpose1dconv_transpose2dconv_transpose3dunfoldfoldPoolingfunctionsavg_pool1davg_pool2davg_pool3dmax_pool1dmax_pool2dmax_pool3dmax_unp
F.max_pool2d(input, kernel_size):应用二维最大池化。F.avg_pool2d(input, kernel_size):应用二维平均池化。归一化:F.batch_norm(input, running_mean, running_var):应用批归一化。F.layer_norm(input, normalized_shape):应用层归一化。torch.nn.functional 模块中的函数通常是无状态的,这意味着它们...
class torch.nn.AvgPool2d(kernel_size, stride=None, padding=0, ceil_mode=False, count_include_pad=True) return_indices - 如果等于True,会返回输出最大值的序号,对于上采样操作会有帮助 ceil_mode - 如果等于True,计算输出信号大小的时候,会使用向上取整,代替默认的向下取整的操作 ...
torch.nn.functional.avg_pool1d(input, kernel_size, stride=None, padding=0, ceil_mode=False, count_include_pad=True) 对由几个输入平面组成的输入信号进行一维平均池化。 有关详细信息和输出形状,请参阅AvgPool1d。 参数: - kernel_size – 窗口的大小 ...
在由多个输入平面组成的输入信号上应用1D自适应平均池化。详情及输出形状请参阅AdaptiveAvgPool1d。参数:目标输出大小(output_size)可以是单整数或双整数元组 在由多个输入平面组成的输入信号上应用2D自适应平均池化。详情及输出形状请参阅AdaptiveAvgPool2d。参数:目标输出大小(output_size)可以是单整数或...