pytorch自适应的调整特征图大小

文章目录

代码

256×256 --> 224×224

python 复制代码
import torch
import torch.nn as nn

# 假设 x 是你的特征图,形状为 (4, 32, 256, 256)
x = torch.randn(4, 32, 256, 256)

# 方法一:使用自适应平均池化调整大小
adaptive_avg_pool = nn.AdaptiveAvgPool2d((224, 224))
x_pooled_avg = adaptive_avg_pool(x)

print(x_pooled_avg.shape)  # 输出形状应该是 (4, 32, 224, 224)

# 方法二:使用自适应最大池化调整大小
adaptive_max_pool = nn.AdaptiveMaxPool2d((224, 224))
x_pooled_max = adaptive_max_pool(x)

print(x_pooled_max.shape)  # 输出形状应该是 (4, 32, 224, 224)

224×224 --> 256×256

python 复制代码
import torch
import torch.nn as nn

# 创建一个随机的特征图,形状为 (4, 32, 224, 224)
feature_map = torch.randn(4, 32, 224, 224)

# 定义双线性插值的上采样层
upsample = nn.Upsample(size=(256, 256), mode='bilinear', align_corners=False)

# 应用上采样
upsampled_feature_map = upsample(feature_map)
print(upsampled_feature_map.shape)  # 输出应为 (4, 32, 256, 256)
相关推荐
A 计算机毕业设计-小途6 分钟前
大四零基础用Vue+ElementUI一周做完化妆品推荐系统?
java·大数据·hadoop·python·spark·毕业设计·毕设
lxmyzzs3 小时前
基于深度学习CenterPoint的3D目标检测部署实战
人工智能·深度学习·目标检测·自动驾驶·ros·激光雷达·3d目标检测
念念01074 小时前
数学建模竞赛中评价类相关模型
python·数学建模·因子分析·topsis
云天徽上4 小时前
【数据可视化-94】2025 亚洲杯总决赛数据可视化分析:澳大利亚队 vs 中国队
python·信息可视化·数据挖掘·数据分析·数据可视化·pyecharts
☺����5 小时前
实现自己的AI视频监控系统-第一章-视频拉流与解码2
开发语言·人工智能·python·音视频
王者鳜錸5 小时前
PYTHON让繁琐的工作自动化-函数
开发语言·python·自动化
算法_小学生6 小时前
循环神经网络(RNN, Recurrent Neural Network)
人工智能·rnn·深度学习
xiao助阵6 小时前
python实现梅尔频率倒谱系数(MFCC) 除了傅里叶变换和离散余弦变换
开发语言·python
努力还债的学术吗喽7 小时前
【速通】深度学习模型调试系统化方法论:从问题定位到性能优化
人工智能·深度学习·学习·调试·模型·方法论
麻辣清汤7 小时前
结合BI多维度异常分析(日期-> 商家/渠道->日期(商家/渠道))
数据库·python·sql·finebi