如何将pytorch的adaptive_avg_pool2d方法转换为keras或tensorflow [英] how to convert pytorch adaptive_avg_pool2d method to keras or tensorflow

问题描述

我不知道如何将PyTorch方法 adaptive_avg_pool2d 转换为Keras或TensorFlow。有人可以帮忙吗？
PyTorch方法是

I don't know how to convert the PyTorch method adaptive_avg_pool2d to Keras or TensorFlow. Anyone can help? PyTorch mehod is

adaptive_avg_pool2d(14,[14])

我尝试使用平均池化，重塑了Keras中的张量，但得到了错误：

I tried to use the average pooling, the reshape the tensor in Keras, but got the error:

ValueError：新数组的总大小必须保持不变

ValueError: total size of new array must be unchanged

推荐答案

我不确定我是否理解您的问题，但是在PyTorch中，您将空间尺寸传递给 AdaptiveAvgPool2d 。例如，如果您希望输出大小为5x7，则可以使用 nn.AdaptiveAvgPool2d（（5,7））。

I'm not sure if I understood your question, but in PyTorch, you pass the spatial dimensions to AdaptiveAvgPool2d. For instance, if you want to have an output sized 5x7, you can use nn.AdaptiveAvgPool2d((5,7)).

如果要使用全局平均池化层，可以使用 nn.AdaptiveAvgPool2d（1）。在Keras中，您可以使用 GlobalAveragePooling2D 。

If you want a global average pooling layer, you can use nn.AdaptiveAvgPool2d(1). In Keras you can just use GlobalAveragePooling2D.

对于Keras中的其他输出大小，您需要使用 AveragePooling2D ，但是您不能直接指定输出形状。您需要计算/定义 pool_size ，跨度和填充参数取决于所需的输出形状。如果您需要计算方面的帮助，请查看 CS231n课程的本页。

For other output sizes in Keras, you need to use AveragePooling2D, but you can't specify the output shape directly. You need to calculate/define the pool_size, stride, and padding parameters depending on how you want the output shape. If you need help with the calculations, check this page of CS231n course.

这篇关于如何将pytorch的adaptive_avg_pool2d方法转换为keras或tensorflow的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！