什么是自适应平均池化以及它是如何工作的？

Posted 2023-03-12

【中文标题】什么是自适应平均池化以及它是如何工作的？

【英文标题】：What is Adaptive average pooling and How does it work?

【发布时间】：2020-02-29 17:07:15

【问题描述】：

我最近在尝试实现 AlexNet 时遇到了 Pytorch 中的一个方法。 我不明白它是如何工作的。请用一些例子解释它背后的想法。以及它在神经网络功能方面与 Maxpooling 或平均极化有何不同

nn.AdaptiveAvgPool2d((6, 6))

【参考方案1】：

在平均池化或最大池化中，您基本上可以自行设置步幅和内核大小，将它们设置为超参数。如果您碰巧更改了输入大小，则必须重新配置它们。

另一方面，在自适应池中，我们指定了输出大小。并且自动选择步幅和内核大小以适应需要。下面的等式用于计算源代码中的值。

Stride = (input_size//output_size)  
Kernel size = input_size - (output_size-1)*stride  
Padding = 0

【讨论】：

怎么Stride = (input_size//output_size)？

找到另一个answer 解释这个公式只适用于输入大小是第二维整数倍的情况。否则计算输出尺寸时发生的地板化会导致这个公式无效。