pytorh实现全局平均（最大）池化的两种方式

Pytorch没有对全局平均（最大）池化单独封装为一层。需要自己实现。下面有两种简单的实现方式。

1. 使用torch.max_pool1d()定义一个网络层。
2. 使用nn.AdaptiveMaxPool1d(1)并设置输出维度是1

import torch 
import torch.nn as nn
import numpy as np

#第一种方式
class GlobalMaxPool1d(nn.Module):
    def __init__(self):
        super(GlobalMaxPool1d,self).__init__()
    def forward(self, x):
        return torch.max_pool1d(x,kernel_size=x.shape[2])

a = torch.tensor(np.arange(24),dtype=torch.float).view(2,3,4).cuda()
gmp1 = GlobalMaxPool1d()
print(gmp1(a))


#第二种方式
gmp2 = torch.nn.AdaptiveMaxPool1d(1)
print(gmp2(a))

运行结果一样。 

tensor([[[ 3.],
         [ 7.],
         [11.]],

        [[15.],
         [19.],
         [23.]]], device='cuda:0')
tensor([[[ 3.],
         [ 7.],
         [11.]],

        [[15.],
         [19.],
         [23.]]], device='cuda:0')