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
吉小雨3 分钟前
PyTorch 教程
人工智能·pytorch·python
陪学24 分钟前
自动驾驶,被逼着上市?
大数据·人工智能·物联网·机器学习·自动驾驶·产品运营·产品经理
电气_空空25 分钟前
基于安全风险预测的自动驾驶自适应巡航控制优化
人工智能·机器学习·自动驾驶
三月七(爱看动漫的程序员)44 分钟前
Exploring Large Language Models for Knowledge Graph Completion
人工智能·深度学习·算法·语言模型·chatgpt·langchain·知识图谱
yxzgjx1 小时前
饲料颗粒机全套设备有哪些机器组成
机器学习
CN.LG1 小时前
浅谈Python之协程
开发语言·python
斯凯利.瑞恩1 小时前
2023国赛C题 蔬菜类商品的自动定价与补货决策(上)
python·数学建模·国赛真题解析
kolaseen1 小时前
神经网络构建原理(以MINIST为例)
人工智能·深度学习·神经网络·机器学习
学技术的大胜嗷2 小时前
pycharm连接远程linux服务器上的docker进行深度学习训练
linux·服务器·pytorch·python·深度学习·神经网络·pycharm
Ven%2 小时前
深度学习速通系列:TextCNN介绍
人工智能·python·深度学习·自然语言处理·nlp