pytorch的平均池化层

PyTorch中的平均池化层可以通过torch.nn中的AvgPool2d类来实现。该类可以对输入的二维张量进行平均池化操作。可以指定池化窗口的大小、步长、填充等参数。

以下是一个示例代码，使用AvgPool2d类对输入的二维张量进行平均池化操作：

import torch.nn as nn

# 定义输入的二维张量
input_tensor = torch.randn(1, 3, 28, 28)

# 定义平均池化层，池化窗口大小为3x3，步长为2
avg_pool = nn.AvgPool2d(kernel_size=3, stride=2)

# 对输入张量进行平均池化操作
output_tensor = avg_pool(input_tensor)

# 打印输出张量的形状
print(output_tensor.shape)

在这个示例中，输入张量的形状为`[1, 3, 28, 28]`，即一个batch中包含1个通道数为3、大小为28x28的二维张量。平均池化层的池化窗口大小为3x3，步长为2，因此输出张量的形状为`[1, 3, 13, 13]`，即一个batch中包含1个通道数为3、大小为13x13的二维张量。