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
X54先生（人文科技）3 小时前
ELR-SELLM Edge 神经元网络架构评估报告泡海椒3 小时前
内置SPI函数库详解：JQuick-Java Builtin工具类实战用法hqyjzsb3 小时前
零 AI 项目经验，学 Python 转型 AI 的正确顺序是什么？2601_962294053 小时前
Python机器学习入门系列-第3篇：线性回归-从零理解机器学习预测sanjiaomao3334 小时前
从论文公式到Python实现：用单元测试校验滑动平均算法VL——MOESR4 小时前
【具身智能】π0论文阅读随笔leoZ2314 小时前
第 1 篇：为什么不该再让 AI 画页面linweidong6 小时前
中科闻歌Java面试题及参考答案小玮看世界6 小时前
[Python]OD算法在OD实际运用转化参考清单萧鼎6 小时前
2026实战：用 tomlkit 优雅读写 TOML 配置，告别手写解析器