pytorch里面的nn.AdaptiveAvgPool2d

今天遇到nn.AdaptiveAvgPool2d((None, 1))

 AdaptiveAvgPool2d函数详细解释：

• 2D自适应平均池化（2D adaptive average pooling）是一种对输入信号进行二维平均池化的操作，输入信号由多个输入平面（input planes）组成，每个输入平面可以理解为一个二维矩阵或图像。
• 平均池化（average pooling）是一种降采样（downsampling）的方法，它将输入信号划分为多个小窗口（window），并对每个窗口内的元素求平均值，得到一个输出元素。这样可以减少计算量和内存占用，同时保留输入信号的主要特征。
• 自适应（adaptive）的意思是，输出的大小（H x W）不依赖于输入的大小，而是由参数output_size指定。这样可以使得输出的大小与任务的需求相匹配，而不需要手动调整池化窗口的大小和步长（stride）。
• 输出的特征数（number of output features）等于输入平面的数目（number of input planes），即每个输入平面对应一个输出平面，不会发生通道混合（channel mixing）。
• 参数output_size是一个指定输出大小的参数，它可以是一个整数、一个元组或者None。如果是一个整数H，那么表示输出为正方形，大小为H x H。如果是一个元组(H, W)，那么表示输出为长方形，大小为H x W。如果是None，那么表示输出与输入大小相同。H和W可以分别为整数或None，如果为None，那么表示该维度与输入相同。

例子：

举个例子，假设输入信号的大小为(1, 3, 4, 4)，即有1个批次（batch），3个输入平面（input planes），每个平面的高度和宽度都为4。如果我们使用nn.AdaptiveAvgPool2d((2, 2))对其进行自适应平均池化，那么输出信号的大小为(1, 3, 2, 2)，即有1个批次，3个输出平面（output planes），每个平面的高度和宽度都为2。每个输出平面上的元素都是对应输入平面上的2 x 2窗口内的元素求平均值得到的。