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
用户8356290780511 小时前
使用 Python 操作 Word 内容控件通信小呆呆2 小时前
当算法有了“五感”：多模态数据融合如何向人体感官协同学习？xiao5kou4chang6kai42 小时前
MATLAB机器学习、深度学习--从数据预处理到模型训练renhongxia13 小时前
世界模型作为AGI落地底层底座的作用计算机科研狗@OUC3 小时前
(cvpr26) AIMDepth: Asymmetric Image-Event Mamba for Monocular Depth Estimationcode_pgf3 小时前
端到端自动驾驶 BEV stack码云骑士3 小时前
32-慢查询排查全流程（下）-索引优化实战与最左前缀原则闵孚龙4 小时前
《PyTorch 深度修炼》Dataset 和 DataLoader：数据如何喂给模型goldenrolan4 小时前
A公司物料替代测试系统 v1.7：从需求到 exe/apk 的 AI 辅助全链路实践