平均池化和最大池化并联在一起代码

以下是平均池化和最大池化并联的代码示例：

import torch.nn as nn

class MaxAvgPool2d(nn.Module):
    def __init__(self, kernel_size, stride=None, padding=0):
        super(MaxAvgPool2d, self).__init__()
        self.maxpool = nn.MaxPool2d(kernel_size, stride, padding)
        self.avgpool = nn.AvgPool2d(kernel_size, stride, padding)

    def forward(self, x):
        max_out = self.maxpool(x)
        avg_out = self.avgpool(x)
        out = torch.cat([max_out, avg_out], dim=1)
        return out

在这个代码示例中，我们定义了一个名为 `MaxAvgPool2d` 的自定义层。它包含两个子层：一个最大池化层和一个平均池化层。在 `forward` 方法中，我们首先通过最大池化层和平均池化层分别计算输入 `x` 的最大值和平均值。然后，我们将这两个结果在通道维度上连接起来，形成输出 `out`。