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
Alan_6916 分钟前
聊聊 Swagger/Postman/Apifox 的真实选型与 Python 项目实战z小猫不吃鱼44 分钟前
模型剪枝经典论文精读：Pruning Filters for Efficient ConvNets智慧物业老杨1 小时前
物业绿化数智化权责管控方案：基于工单平台的双层权限追溯模块落地实践Metaphor6922 小时前
使用 Python 在 Word 文档中添加批注FreakStudio2 小时前
WIZnet 开源方案分享：W55MH32 开发板 + 小智 AI实现以太网版本的小智机器人会周易的程序员2 小时前
使用 pybind11 封装 C++ 日志库 microLog 为 Python 模块一只专注api接口开发的技术猿2 小时前
电商评论自动化监控与情感数据分析完整落地教程（附可直接运行 Python 代码）qiten_0072 小时前
深入解析参数高效微调（PEFT）：原理、分类与实战HAPPY酷2 小时前
【ROS2】 Conda 环境搭建（命令行版）AIGS0013 小时前
企业AI落地：Agent OS 治理框架实践