Класс AvgPool2d

Класс AvgPool2d предназначен для уменьшения пространственных размерностей многоканальных данных, таких как изображения или карты признаков. Первый параметр kernel_size определяет размер окна пулинга. Второй параметр stride задает шаг перемещения окна, по умолчанию равен kernel_size. Третий параметр padding позволяет добавить нулевые отступы вокруг входных данных. Четвертый параметр ceil_mode управляет округлением при вычислении размеров выходного тензора, а count_include_pad определяет, учитывать ли нулевые отступы при вычислении среднего. Также имеется параметр divisor_override для переопределения делителя при вычислении среднего.

Синтаксис

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

Пример

Создадим простой двумерный тензор и применим к нему усредняющий пулинг с окном размера 2x2:

import torch
import torch.nn as nn

t = torch.tensor([
	[1.0, 2.0, 3.0, 4.0],
	[5.0, 6.0, 7.0, 8.0],
	[9.0, 10.0, 11.0, 12.0],
	[13.0, 14.0, 15.0, 16.0]
])
t = t.unsqueeze(0).unsqueeze(0)

pool = nn.AvgPool2d(kernel_size=2)
res = pool(t)
print(res)

Результат выполнения кода:

tensor([[[[3.5000, 5.5000],
		  [11.5000, 13.5000]]]])

Пример

Пример использования параметра stride, который задает шаг перемещения окна пулинга. В этом примере шаг равен 1:

import torch
import torch.nn as nn

t = torch.tensor([
	[1.0, 2.0, 3.0, 4.0],
	[5.0, 6.0, 7.0, 8.0],
	[9.0, 10.0, 11.0, 12.0]
])
t = t.unsqueeze(0).unsqueeze(0)

pool = nn.AvgPool2d(kernel_size=2, stride=1)
res = pool(t)
print(res)

Результат выполнения кода:

tensor([[[[3.5000, 4.5000, 5.5000],
		  [7.5000, 8.5000, 9.5000]]]])

Пример

Пример использования параметра padding. Добавим отступы в 1 пиксель по краям, что позволит сохранить размерность выходного тензора при шаге 1:

import torch
import torch.nn as nn

t = torch.tensor([
	[1.0, 2.0, 3.0],
	[4.0, 5.0, 6.0],
	[7.0, 8.0, 9.0]
])
t = t.unsqueeze(0).unsqueeze(0)

pool = nn.AvgPool2d(kernel_size=3, stride=1, padding=1)
res = pool(t)
print(res)

Результат выполнения кода:

tensor([[[[2.2222, 2.7778, 2.2222],
		  [4.4444, 5.0000, 4.4444],
		  [2.2222, 2.7778, 2.2222]]]])

Пример

Применим AvgPool2d к многоканальным данным, например, к тензору с 3 каналами:

import torch
import torch.nn as nn

t = torch.randn(1, 3, 4, 4)
pool = nn.AvgPool2d(kernel_size=2, stride=2)
res = pool(t)
print(res.shape)

Результат выполнения кода:

torch.Size([1, 3, 2, 2])

Смотрите также

класс MaxPool2d,
который выполняет двумерный максимальный пулинг
класс AvgPool1d,
который выполняет одномерный усредняющий пулинг
класс AvgPool3d,
который выполняет трехмерный усредняющий пулинг
класс AdaptiveAvgPool2d,
который выполняет адаптивный усредняющий пулинг до заданного размера