AdaptiveAvgPool2d¶

class AdaptiveAvgPool2d(oshp, **kwargs)[源代码]¶

对输入数据进行2D平均池化。

例如，给定形状为 \((N, C, H, W)\) 的输入以及形为 \((kH, kW)\) 的 kernel_size, 该层产生形状为 \((N, C, H_{out}, W_{out})\) 的输出。生成过程描述如下：

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

kernel_size 和 stride 可以从输入输出的形状推断：

padding: (0, 0)
stride: (floor(IH / OH), floor(IW / OW))
kernel_size: (IH - (OH - 1) * stride_h, IW - (OW - 1) * stride_w)

实际案例

>>> import numpy as np
>>> m = M.AdaptiveAvgPool2d((2, 2))
>>> inp = mge.tensor(np.arange(0, 16).astype("float32").reshape(1, 1, 4, 4))
>>> oup = m(inp)
>>> oup.numpy()
array([[[[ 2.5,  4.5],
         [10.5, 12.5]]]], dtype=float32)

MaxPool2d

AdaptiveMaxPool2d