input = torch.randn(20, 2, 11, 11, 32)输出形式

复制代码
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

相关推荐
杨景辉8 分钟前
Yolov5 使用
人工智能·python·yolo
船长@Quant1 小时前
量化面试绿皮书:22. 卡片游戏
python·量化绿皮书·量化面试·量化算法
m0_640743561 小时前
华为OD-2024年E卷-找终点[100分] -- python
python·华为od
花酒锄作田6 小时前
[python]动态实例化
python
知舟不叙6 小时前
深度学习——基于卷积神经网络实现食物图像分类【3】(保存最优模型)
深度学习·分类·cnn·卷积神经网络·图像分类·模型保存
安迪小宝7 小时前
16 celery集成其他工具
数据库·python·sqlite·celery
苏苏susuus7 小时前
深度学习:张量标量概念、PyTorch张量创建、类型转换等
人工智能·pytorch·深度学习
成都犀牛7 小时前
工作流和Agent 的区别与联系
人工智能·python·深度学习·神经网络·agent·工作流
寄思~7 小时前
Python学习笔记:错误和异常处理
开发语言·笔记·python·学习
是紫焅呢7 小时前
O数据可视化基础.py
python·青少年编程·信息可视化·数据分析·学习方法·数据可视化·visual studio code