self.avg_pooling = nn.AdaptiveAvgPool2d(1)

`nn.AdaptiveAvgPool2d(1)` 是 PyTorch 中的一个模块，它实现了自适应平均池化层。这个函数的作用是在输入张量上应用一个大小为 1x1 的平均池化窗口，从而减小输出的空间维度，保持通道数不变。这样做的好处是可以使模型对输入尺寸的变化有很好的适应性。

具体使用时，假设 `self.avg_pooling` 是一个 `AdaptiveAvgPool2d` 对象，你可以这样操作：

# 假设 input_tensor 是一个四维张量，形状为 (batch_size, channels, height, width)
output_tensor = self.avg_pooling(input_tensor)

# output_tensor 的形状将是 (batch_size, channels, 1, 1)，其中 1 表示高度和宽度都被缩减到 1

这会将每个通道的像素值聚合为一个单值，保留了特征的全局信息。