input = torch.randn(20, 2, 11, 11, 32)
m = torch.nn.AdaptiveAvgPool3d((1,1, 32))
x=m(input)
print(x.shape)结果：
也就是不用管批次和通道数
input = torch.randn(20, 2, 11, 11, 32)输出形式
黯止依蓝2023-12-15 19:05
相关推荐
2301_764441337 分钟前
Python管理咨询数据可视化实战：收入分布与顾问利用率双轴对比图表生成脚本该用户已不存在26 分钟前
不知道这些工具，难怪的你的Python开发那么慢丨Python 开发必备的6大工具神经星星1 小时前
AI 论文周报 | Chai-2刷新抗体设计效率，命中率提高100倍；多篇ICML入围论文一键速览Monkey的自我迭代1 小时前
Python标准库：时间与随机数全解析SsummerC2 小时前
【leetcode100】下一个排列Kelaru2 小时前
本地Qwen中医问诊小程序系统开发Menger_Wen2 小时前
分析新旧因子相关性昵称是6硬币2 小时前
(DETR)End-to-End Object Detection with Transformers论文精读（逐段解析）RAY_01043 小时前
Python—数据容器June bug3 小时前
【python基础】python和pycharm的下载与安装