avgpool2d

最新推荐文章于 2026-04-21 03:29:01 发布

原创最新推荐文章于 2026-04-21 03:29:01 发布 · 1.4k 阅读

2 ·

本内容遵循CC 4.0 BY-SA版权协议

标签

#深度学习 #cnn #pytorch

pytorch 同时被 2 个专栏收录

148 篇文章

订阅专栏

python

75 篇文章

订阅专栏

本文介绍了PyTorch中的AvgPool2d函数，用于在多输入平面的输入信号上执行二维平均池化。通过示例展示如何使用AvgPool2d对一个4x4矩阵应用2x2卷积核进行平均池化操作，详细解释了参数如kernel_size、stride和padding的作用，并展示了池化后的输出结果。

Qwen3-32B-Chat 私有部署镜像 | RTX4090D 24G 显存 CUDA12.4 优化版

Qwen

文本生成

Qwen3

本镜像基于 RTX 4090D 24GB 显存 + CUDA 12.4 + 驱动 550.90.07 深度优化，内置完整运行环境与 Qwen3-32B 模型依赖，开箱即用。

1. 函数说明

class  torch.nn.AvgPool2d(kernel_size, stride=None, padding=0, ceil_mode=False, count_include_pad=True, divisor_override=None)

作用：在由多个输入平面组成的输入信号上应用二维平均池。
kernel_size:卷积核的大小
stride: 步幅大小
padding : 填充

2. 使用范例

我们想对如下(4,4)的矩阵应用一个(2,2)卷积核进行求平均，那么我们可以使用一个平均池化层
在这里插入图片描述

# -*- coding: utf-8 -*-
# @Project: zc
# @Author: zc
# @File name: avgpool_test
# @Create time: 2022/2/27 20:30
import torch
from torch import nn


x = torch.arange(16,dtype=torch.float32).reshape(1,4, 4)
avg = nn.AvgPool2d(kernel_size=2,stride=1)
print(f"avg={avg}")
y = avg(x)
print(f"x={x}")
print(f"y={y}")

x=tensor([[[ 0.,  1.,  2.,  3.],
         [ 4.,  5.,  6.,  7.],
         [ 8.,  9., 10., 11.],
         [12., 13., 14., 15.]]])
y=tensor([[[ 2.5000,  3.5000,  4.5000],
         [ 6.5000,  7.5000,  8.5000],
         [10.5000, 11.5000, 12.5000]]])