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
xcjbqd011 分钟前
如何修改Oracle服务器默认的日期格式_NLS_DATE_FORMAT全局配置white-persist21 分钟前
【vulhub spring CVE-2018-1270】CVE-2018-1270 Spring Messaging 远程命令执行漏洞 完整复现详细分析解释薛定e的猫咪25 分钟前
【Neural Networks 2025】TDAG 论文解读：多智能体不是重点，动态任务分解才是关键wayz1129 分钟前
Day 1 编程实战：机器学习基础与评估指标EnCi Zheng29 分钟前
P2G-Python字符串方法完全指南-split、join、strip、replace的Python编程利器潇洒畅想29 分钟前
1.1 从∑到∫：用循环理解求和与累积有一个好名字31 分钟前
Claude Code 50+命令全解析liliangcsdn42 分钟前
LLM如何与mcp server交互示例Lupino43 分钟前
拯救迷失的荧光溶解氧传感器：从“三无”到“复活”的全记录xcjbqd01 小时前
SQL中视图能否嵌套存储过程_实现复杂自动化报表逻辑