如何使用自适应平均池（Pytorch）转换（1,64,224,224）->（1,64）？答案

【问题标题】：How to convert (1,64,224,224) --> (1,64) using adaptive average pooling(Pytorch)?如何使用自适应平均池（Pytorch）转换（1,64,224,224）->（1,64）？
【发布时间】：2021-06-29 19:26:54
【问题描述】：

Pytorch 有什么方法可以减少模型中张量的维数吗？

【问题讨论】：

请把相关答案标记为正确

标签： pytorch average dimensionality-reduction pooling

【解决方案1】：

自适应平均池化或 Pytorch 中的任何典型池化都不会减少张量的维度。你可以在这里找到 Pytorch 提供的所有类型的池： https://pytorch.org/docs/master/nn.html#pooling-layers

我建议使用此模板代码来尝试不同的池及其对维度的影响：

m = nn.AdaptiveAvgPool2d((5,7))
input = torch.randn(1, 64, 8, 9)
output = m(input)
print(output.size())

为了减少 Pytorch 模型中的维度，您可以指定一个对张量执行挤压（）的块，甚至使用 example_tensor.view(-1, x, y) 将张量展平。

萨塔克·耆那教

【讨论】：

【解决方案2】：

这段代码应该可以压缩 (1,64,224,224) --> (1,64)

import torch
import torch.nn as nn
m = nn.AdaptiveAvgPool2d((1,1))
input = torch.randn(1, 64, 224, 224)
output = m(input).view(1,-1)
print(output.size())  #torch.Size([1, 64])

【讨论】：