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
Loo国昌3 分钟前
【垂类模型数据工程】第四阶段：高性能 Embedding 实战：从双编码器架构到 InfoNCE 损失函数详解逻极11 分钟前
Moltbot 快速入门指南（2026年1月最新版）AAD5558889917 分钟前
基于Deformable-DETR的植物叶片病害检测jay神17 分钟前
森林火灾检测数据集Cemtery11618 分钟前
Day40 早停策略和模型权重的保存Jackson@ML20 分钟前
[Kimi重磅出击！]用Kimi Code智能高效开发Web应用程序指南u01092727123 分钟前
使用Scrapy框架构建分布式爬虫MaoziShan27 分钟前
[ICLR 2026] 一文读懂 AutoGEO：生成式搜索引擎优化（GEO）的自动化解决方案2401_8384725141 分钟前
使用Python处理计算机图形学（PIL/Pillow）