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
碧海银沙音频科技研究院4 分钟前
实现炬芯ATS308X的usb cdc 串口IAP 固件升级功能实现钱栈up6 分钟前
GitHub热榜上手｜Claude插件：4.3万星官方目录青春不朽5129 分钟前
Python 的 list append 为什么是均摊 O(1)？拆开过度分配那张表，看容量翻倍背后的暗账云淡风轻~窗明几净18 分钟前
角谷猜想与百度AI的对话dialog(原始稿)小羊没烦恼！1 小时前
.NET 11 Runtime Async 详解跟我学机器学习1 小时前
拥有短期记忆的RAG Agent：记忆增强检索实战染指11101 小时前
152.Agent-LangGraph-Command的参数QN1幻化引擎1 小时前
信号场注意力（SFA）：把 KV Cache 变成 O(1) 的双通道注意力——0.1B/0.3B 受控 A/B 精度反升 15.5% / 24.3%第404号工位2 小时前
“已彻底删除”的照片与文件到底去哪了？我用底层扇区扫描，扒出手机和电脑的幽灵数据智购科技自动售卖机厂家2 小时前
双摄像头方案F1-score只有0.85，排查发现是上下视角的融合逻辑写反了~YH