欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

Pytorch平均池化nn.AvgPool2d()使用方法實(shí)例

 更新時(shí)間:2023年02月22日 10:37:23   作者:Cassiel_cx  
平均池化層,又叫平均匯聚層,下面這篇文章主要給大家介紹了關(guān)于Pytorch平均池化nn.AvgPool2d()使用方法的相關(guān)資料,文中通過(guò)實(shí)例代碼介紹的非常詳細(xì),需要的朋友可以參考下

【pytorch官方文檔】:https://pytorch.org/docs/stable/generated/torch.nn.AvgPool2d.html?highlight=avgpool2d#torch.nn.AvgPool2d

torch.nn.AvgPool2d()

作用

在由多通道組成的輸入特征中進(jìn)行2D平均池化計(jì)算

函數(shù)

torch.nn.AvgPool2d(kernel_size, stride=None, padding=0, ceil_mode=False, count_include_pad=True, divisor_override=None)

參數(shù)

Args:
    kernel_size: 滑窗(池化核)大小
    stride: 滑窗的移動(dòng)步長(zhǎng), 默認(rèn)值為kernel_size
    padding: 在輸入信號(hào)兩側(cè)的隱式零填充數(shù)量
    ceil_mode: 決定計(jì)算輸出的形狀時(shí)是向上取整還是向下取整, 默認(rèn)為False(向下取整)
    count_include_pad: 在平均池化計(jì)算中是否包含零填充, 默認(rèn)為T(mén)rue(包含零填充)
    divisor_override: 如果指定了, 它將被作為平均池化計(jì)算中的除數(shù), 否則將使用池化區(qū)域的大小作為平均池化計(jì)算的除數(shù)

公式

代碼實(shí)例

假設(shè)輸入特征為S,輸出特征為D

情況一

ceil_mode=False, count_include_pad=True(計(jì)算時(shí)包含零填充)

import torch
import torch.nn as nn
import numpy as np
 
 
# 生成一個(gè)形狀為1*1*3*3的張量
x1 = np.array([
              [1,2,3],
              [4,5,6],
              [7,8,9]
            ])
x1 = torch.from_numpy(x1).float()
x1 = x1.unsqueeze(0).unsqueeze(0)
 
# 實(shí)例化二維平均池化
avgpool1 = nn.AvgPool2d(kernel_size=3, stride=2, padding=1, ceil_mode=False, count_include_pad=True)
y1 = avgpool1(x1)
print(y1)
 
# 打印結(jié)果
'''
tensor([[[[1.3333, 1.7778],
          [2.6667, 3.1111]]]])
'''

計(jì)算過(guò)程:

輸出形狀= floor[(3 - 3 + 2) / 2] + 1 = 2,

D[1,1] = (0+0+0+0+1+2+0+4+5) / 9 = 1.3333,

D[1,2] = (0+0+0+2+3+0+5+6+0) / 9 = 1.7778,

D[2,1] = (0+4+5+0+7+8+0+0+0) / 9 = 2.6667,

D[2,2] = (5+6+0+8+9+0+0+0+0) / 9 = 3.1111.

情況二

ceil_mode=False, count_include_pad=False(計(jì)算時(shí)不包含零填充)

avgpool2 = nn.AvgPool2d(kernel_size=3, stride=2, padding=1, ceil_mode=False, count_include_pad=False)
 
y2 = avgpool2(x1)
print(y2)
 
# 打印結(jié)果
'''
tensor([[[[3., 4.],
          [6., 7.]]]])
'''

計(jì)算過(guò)程:

輸出形狀= floor[(3 - 3 + 2) / 2] + 1 = 2,

D[1,1] = (1+2+4+5) / 4 = 3,

D[1,2] = (2+3+5+6) / 4 = 4,

D[2,1] = (4+5+7+8) / 4 = 6,

D[2,2] = (5+6+8+9) / 4 = 7.

情況三

ceil_mode=False, count_include_pad=False, divisor_override=2(將計(jì)算平均池化時(shí)的除數(shù)指定為2)

avgpool3 = nn.AvgPool2d(kernel_size=3, stride=2, padding=1, ceil_mode=False, count_include_pad=False, divisor_override=2)
 
y3 = avgpool3(x1)
print(y3)
 
# 打印結(jié)果
'''
tensor([[[[ 6.,  8.],
          [12., 14.]]]])
'''

計(jì)算過(guò)程:

輸出形狀= floor[(3 - 3 + 2) / 2] + 1 = 2,

D[1,1] = (1+2+4+5) / 2 = 6,

D[1,2] = (2+3+5+6) / 2 = 8,

D[2,1] = (4+5+7+8) / 2 = 12,

D[2,2] = (5+6+8+9) / 2 = 14.

情況四

ceil_mode=True, count_include_pad=True, divisor_override=None(在計(jì)算輸出的形狀時(shí)向上取整)

x2 = np.array([
              [1,2,3,4],
              [5,6,7,8],
              [9,10,11,12],
              [13,14,15,16]
              ])
x2 = torch.from_numpy(x2).reshape(1,1,4,4).float()
avgpool4 = nn.AvgPool2d(kernel_size=3, stride=2, padding=1, ceil_mode=True)
y4 = avgpool4(x2)
print(y4)
 
# 打印結(jié)果
'''
tensor([[[[ 1.5556,  3.3333,  2.0000],
          [ 6.3333, 11.0000,  6.0000],
          [ 4.5000,  7.5000,  4.0000]]]])
'''

計(jì)算過(guò)程:

輸出形狀 = ceil[(4 - 3 + 2) / 2] + 1 = 3,

D[1,1] = (0+0+0+0+1+2+0+5+6) / 9 = 1.5556,

D[1,2] = (0+0+0+2+3+4+6+7+8) / 9 = 3.3333,

D[1,3] = (0+0+4+0+8+0) / 6 = 2,

D[2,1] = (0+5+6+0+9+10+0+13+14) / 9 = 6.3333,

D[2,2] = (6+7+8+10+11+12+14+15+16) / 9 = 11,

D[2,3] = (8+0+12+0+16+0) / 6 = 6,

D[3,1] = (0+13+14+0+0+0) / 6 = 4.5,

D[3,2] = (14+15+16+0+0+0) / 6 = 7.5,

D[3,3] = (16+0+0+0) / 4 = 4.

總結(jié)

到此這篇關(guān)于Pytorch平均池化nn.AvgPool2d()使用的文章就介紹到這了,更多相關(guān)Pytorch平均池化nn.AvgPool2d()使用內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!

相關(guān)文章

  • Python 3.x 判斷 dict 是否包含某鍵值的實(shí)例講解

    Python 3.x 判斷 dict 是否包含某鍵值的實(shí)例講解

    今天小編就為大家分享一篇Python 3.x 判斷 dict 是否包含某鍵值的實(shí)例講解,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧
    2018-07-07
  • 如何用python做簡(jiǎn)單的接口壓力測(cè)試

    如何用python做簡(jiǎn)單的接口壓力測(cè)試

    這篇文章主要介紹了如何用python做簡(jiǎn)單的接口壓力測(cè)試問(wèn)題,具有很好的參考價(jià)值,希望對(duì)大家有所幫助,如有錯(cuò)誤或未考慮完全的地方,望不吝賜教
    2023-09-09
  • python的tkinter布局之簡(jiǎn)單的聊天窗口實(shí)現(xiàn)方法

    python的tkinter布局之簡(jiǎn)單的聊天窗口實(shí)現(xiàn)方法

    這篇文章主要介紹了python的tkinter布局之簡(jiǎn)單的聊天窗口實(shí)現(xiàn)方法,對(duì)于tkinter用法做了初步的介紹與應(yīng)用展示,需要的朋友可以參考下
    2014-09-09
  • 在windows下Python打印彩色字體的方法

    在windows下Python打印彩色字體的方法

    這篇文章主要介紹了Python在windows下打印彩色字體的方法;具有很好的參考價(jià)值,希望對(duì)大家有所幫助,一起跟隨小編過(guò)來(lái)看看吧
    2018-05-05
  • django中ImageField的使用詳解

    django中ImageField的使用詳解

    這篇文章主要介紹了django中ImageField的使用詳解,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧
    2020-12-12
  • python中import與from方法總結(jié)(推薦)

    python中import與from方法總結(jié)(推薦)

    這篇文章主要介紹了python中import與from方法總結(jié),文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧
    2019-03-03
  • Matplotlib控制坐標(biāo)軸刻度間距與標(biāo)簽實(shí)例代碼

    Matplotlib控制坐標(biāo)軸刻度間距與標(biāo)簽實(shí)例代碼

    在matplotlib中,記號(hào)是圖形兩個(gè)軸上的小標(biāo)記,到目前為止,我們讓matplotlib處理軸圖例上記號(hào)的位置,下面這篇文章主要給大家介紹了關(guān)于Matplotlib控制坐標(biāo)軸刻度間距與標(biāo)簽的相關(guān)資料,需要的朋友可以參考下
    2021-10-10
  • Python3使用requests登錄人人影視網(wǎng)站的方法

    Python3使用requests登錄人人影視網(wǎng)站的方法

    通過(guò)本文給大家介紹python代碼實(shí)現(xiàn)使用requests登錄網(wǎng)站的過(guò)程。非常具有參考價(jià)值,感興趣的朋友一起學(xué)習(xí)吧
    2016-05-05
  • Python 3.x基于Xml數(shù)據(jù)的Http請(qǐng)求方法

    Python 3.x基于Xml數(shù)據(jù)的Http請(qǐng)求方法

    今天小編就為大家分享一篇Python 3.x基于Xml數(shù)據(jù)的Http請(qǐng)求方法,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧
    2018-12-12
  • python使用pyshark庫(kù)捕獲數(shù)據(jù)包的示例詳解

    python使用pyshark庫(kù)捕獲數(shù)據(jù)包的示例詳解

    PyShark是一個(gè)基于Python的網(wǎng)絡(luò)數(shù)據(jù)包分析工具庫(kù),它允許用戶(hù)捕獲、解碼和分析實(shí)時(shí)網(wǎng)絡(luò)流量,特別是Wi-Fi和TCP/IP協(xié)議的數(shù)據(jù),所以本文給大家介紹了python使用pyshark庫(kù)捕獲數(shù)據(jù)包的示例,需要的朋友可以參考下
    2024-08-08

最新評(píng)論