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
Rhys..10 分钟前
Python&Flask 使用 DBUtils 创建通用连接池Just_Paranoid11 分钟前
【Python Tkinter】图形用户界面（GUI）开发及打包EXE指南小宁爱Python34 分钟前
Django 基础入门：命令、结构与核心配置全解析max5006001 小时前
实时多模态电力交易决策系统：设计与实现闲人编程2 小时前
Flask 前后端分离架构实现支付宝电脑网站支付功能996终结者2 小时前
同类软件对比（四）：Jupyter vs PyCharm vs VS Code：Python开发工具终极选择指南果壳~2 小时前
【Python】爬虫html提取内容基础，bs4君名余曰正则2 小时前
机器学习06——支持向量机（SVM核心思想与求解、核函数、软间隔与正则化、支持向量回归、核方法）sjr20012 小时前
从huggingface下载模型时有哪些文件？moz与京2 小时前
【面试向】热门技术话题（上）