快捷方式

AvgPool2d

class torch.nn.AvgPool2d(kernel_size, stride=None, padding=0, ceil_mode=False, count_include_pad=True, divisor_override=None)[源代码]

对由多个输入平面组成的输入信号应用二维平均池化。

在最简单的情况下,输入大小为 (N,C,H,W)(N, C, H, W),输出 (N,C,Hout,Wout)(N, C, H_{out}, W_{out}) 以及 kernel_size (kH,kW)(kH, kW) 的层的输出值可以精确地描述为

out(Ni,Cj,h,w)=1kHkWm=0kH1n=0kW1input(Ni,Cj,stride[0]×h+m,stride[1]×w+n)out(N_i, C_j, h, w) = \frac{1}{kH * kW} \sum_{m=0}^{kH-1} \sum_{n=0}^{kW-1} input(N_i, C_j, stride[0] \times h + m, stride[1] \times w + n)

如果 padding 不为零,则输入在两侧隐式填充 padding 个点的零。

注意

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

参数 kernel_sizestridepadding 可以是

  • 单个 int – 在这种情况下,相同的值用于高度和宽度维度

  • 两个整数的 tuple – 在这种情况下,第一个 int 用于高度维度,第二个 int 用于宽度维度

参数
  • kernel_size (Union[int, Tuple[int, int]]) – 窗口的大小

  • stride (Union[int, Tuple[int, int]]) – 窗口的步长。默认值为 kernel_size

  • padding (Union[int, Tuple[int, int]]) – 在两侧添加的隐式零填充

  • ceil_mode (bool) – 当为 True 时,将使用 ceil 而不是 floor 来计算输出形状

  • count_include_pad (bool) – 当为 True 时,将在平均计算中包含零填充

  • divisor_override (Optional[int]) – 如果指定,它将用作除数,否则将使用池化区域的大小。

形状

  • 输入: (N,C,Hin,Win)(N, C, H_{in}, W_{in})(C,Hin,Win)(C, H_{in}, W_{in}).

  • 输出: (N,C,Hout,Wout)(N, C, H_{out}, W_{out})(C,Hout,Wout)(C, H_{out}, W_{out}),其中

    Hout=Hin+2×padding[0]kernel_size[0]stride[0]+1H_{out} = \left\lfloor\frac{H_{in} + 2 \times \text{padding}[0] - \text{kernel\_size}[0]}{\text{stride}[0]} + 1\right\rfloor
    Wout=Win+2×padding[1]kernel_size[1]stride[1]+1W_{out} = \left\lfloor\frac{W_{in} + 2 \times \text{padding}[1] - \text{kernel\_size}[1]}{\text{stride}[1]} + 1\right\rfloor

    根据以上说明,如果ceil_mode 为 True 且 (Hout1)×stride[0]Hin+padding[0](H_{out} - 1)\times \text{stride}[0]\geq H_{in} + \text{padding}[0], 我们将跳过最后一个窗口,因为它将从底部填充区域开始,导致 HoutH_{out} 减少 1。

    同样的规则适用于 WoutW_{out}.

示例

>>> # pool of square window of size=3, stride=2
>>> m = nn.AvgPool2d(3, stride=2)
>>> # pool of non-square window
>>> m = nn.AvgPool2d((3, 2), stride=(2, 1))
>>> input = torch.randn(20, 16, 50, 32)
>>> output = m(input)

文档

访问 PyTorch 的全面开发者文档

查看文档

教程

获取适合初学者和高级开发者的深度教程

查看教程

资源

查找开发资源并获得解答

查看资源