对输入信号应用二维平均池化,该信号由多个输入平面组成。
在最简单的情况下,具有输入尺寸 (N,C,H,W) 和 kernel_size
(kH,kW) 的输出值 (N,C,Hout,Wout) 可由以下方式精确描述:
out(Ni,Cj,h,w)=kH∗kW1m=0∑kH−1n=0∑kW−1input(Ni,Cj,stride[0]×h+m,stride[1]×w+n) 如果 padding
非零,则输入在两侧隐含地用 padding
个点进行零填充。
注意
当 ceil_mode=True 时,如果滑动窗口从左侧填充或输入开始,则允许它们超出边界。从右侧填充区域开始的滑动窗口将被忽略。
注意
padding 最多应该是有效核大小的一半。
参数 kernel_size
、stride
、padding
可以是:
- 参数
-
- 形状
输入:(N,C,Hin,Win) 或 (C,Hin,Win)。
输出:(N,C,Hout,Wout) 或 (C,Hout,Wout),其中
Hout=⌊stride[0]Hin+2×padding[0]−kernel_size[0]+1⌋
Wout=⌊stride[1]Win+2×padding[1]−kernel_size[1]+1⌋ 如上所述,如果 ceil_mode
为 True 且 (Hout−1)×stride[0]≥Hin+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 Hout 减少一。
对于 Wout,情况也相同。
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)