AvgPool2d¶

class AvgPool2d(kernel_size, stride=None, padding=0, mode='average_count_exclude_padding', **kwargs)[源代码]¶

对输入数据进行2D平均池化。

例如，给定一个大小为 \((N, C, H_{\text{in}, W_{\text{in})\) 和 kernel_size \((kH, kW)\) 的输入，该层通过以下过程生成大小为 \((N, C, H_{\text{out}}, W_{\text{out}})\) 的输出：

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

若 padding 非零，则输入数据会被隐式地在两边用零值进行填充（pad) padding 个点。

参数

kernel_size (Union[int, Tuple[int, int]]) – 窗的大小。
stride (Union[int, Tuple[int, int]]) – 窗口的步长。默认值是 kernel_size。
padding (Union[int, Tuple[int, int]]) – 将被隐式填充到两边的零的数量。默认值：0.
mode (str) – 计算平均值时是否包括填充值，设置为”average”将进行计数。默认：”average_count_exclude_padding”

Shape:

Input: \((N, C, H_{in}, W_{in})\) or \((C, H_{in}, W_{in})\).
Output: \((N, C, H_{out}, W_{out})\) or \((C, H_{out}, W_{out})\), where

\[H_{out} = \left\lfloor\frac{H_{in} + 2 \times \text{padding}[0] - \text{kernel\_size}[0]}{\text{stride}[0]} + 1\right\rfloor\]

\[W_{out} = \left\lfloor\frac{W_{in} + 2 \times \text{padding}[1] - \text{kernel\_size}[1]}{\text{stride}[1]} + 1\right\rfloor\]

返回: module. The instance of the AvgPool2d module.
返回类型: Return type

实际案例

>>> import numpy as np
>>> m = M.AvgPool2d(kernel_size=2, stride=2, padding=[1,0], mode="average")
>>> inp = mge.tensor(np.arange(1 * 1 * 3 * 4).astype(np.float32).reshape(1, 1, 3, 4))
>>> output = m(inp)
>>> output
Tensor([[[[0.25 1.25]
          [6.5  8.5 ]]]], device=xpux:0)

SlidingWindowTranspose

MaxPool2d