文档反馈

问题文档片段

问题文档片段包含公式时，显示为空格。

提交类型

issue

有点复杂...

找人问问吧。

请选择提交类型

问题类型

规范和低错类

- 规范和低错类：

- 错别字或拼写错误，标点符号使用错误、公式错误或显示异常。

- 链接错误、空单元格、格式错误。

- 英文中包含中文字符。

- 界面和描述不一致，但不影响操作。

- 表述不通顺，但不影响理解。

- 版本号不匹配：如软件包名称、界面版本号。

易用性

- 易用性：

- 关键步骤错误或缺失，无法指导用户完成任务。

- 缺少主要功能描述、关键词解释、必要前提条件、注意事项等。

- 描述内容存在歧义指代不明、上下文矛盾。

- 逻辑不清晰，该分类、分项、分步骤的没有给出。

正确性

- 正确性：

- 技术原理、功能、支持平台、参数类型、异常报错等描述和软件实现不一致。

- 原理图、架构图等存在错误。

- 命令、命令参数等错误。

- 代码片段错误。

- 命令无法完成对应功能。

- 界面错误，无法指导操作。

- 代码样例运行报错、运行结果不符。

风险提示

- 风险提示：

- 对重要数据或系统存在风险的操作，缺少安全提示。

内容合规

- 内容合规：

- 违反法律法规，涉及政治、领土主权等敏感词。

- 内容侵权。

请选择问题类型

问题描述

点击输入详细问题描述，以帮助我们快速定位问题。

提交

文档反馈

比较与torch.nn.AvgPool2d的功能差异

torch.nn.AvgPool2d

torch.nn.AvgPool2d(
    kernel_size,
    stride=None,
    padding=0,
    ceil_mode=False,
    count_include_pad=True,
    divisor_override=None
)(input) -> Tensor

更多内容详见torch.nn.AvgPool2d。

mindspore.nn.AvgPool2d

mindspore.nn.AvgPool2d(
    kernel_size=1,
    stride=1,
    pad_mode='valid',
    data_format='NCHW'
)(x) -> Tensor

更多内容详见mindspore.nn.AvgPool2d。

差异对比

PyTorch：对由多个输入平面组成的输入信号应用二维平均池化。

MindSpore：MindSpore此API实现功能与PyTorch基本一致。

分类	子类	PyTorch	MindSpore	差异
参数	参数1	kernel_size	kernel_size	功能一致，PyTorch无默认值
	参数2	stride	stride	功能一致，参数默认值不同
	参数3	padding	-	PyTorch中此参数用于添加隐式零填充，MindSpore无此参数
	参数4	ceil_mode	-	PyTorch中此参数用于决定输出shape: ($N$,$C$,$H_{out}$,$W_{out}$)中$H_{out}$,$W_{out}$为小数时，是取上界ceil值还是舍弃小数部分取floor值；MindSpore无此参数，默认取floor值
	参数5	count_include_pad	-	PyTorch中此参数用于决定是否在平均计算中包括零填充，MindSpore无此参数
	参数6	divisor_override=None	-	PyTorch中如果指定，它将被用作除数，否则将使用kernel_size，MindSpore无此参数
	参数7	-	pad_mode	MindSpore中指定池化填充模式，可选值为”same”或”valid”，PyTorch无此参数
	参数8	-	data_format	MindSpore中指定输入数据格式，值可为”NHWC”或”NCHW”，PyTorch无此参数
输入	单输入	input	x	功能一致，参数名不同

代码示例

两API实现功能一致，用法相同。

# PyTorch
import torch
import torch.nn as nn

m = nn.AvgPool2d(kernel_size=1, stride=1)
input_x = torch.tensor([[[[1, 0, 1], [0, 1, 1]]]],dtype=torch.float32)
output = m(input_x)
print(output.numpy())
# [[[[1. 0. 1.]
#    [0. 1. 1.]]]]

# MindSpore
import mindspore
import mindspore.nn as nn
from mindspore import Tensor

pool = nn.AvgPool2d(kernel_size=1, stride=1)
x = Tensor([[[[1, 0, 1], [0, 1, 1]]]], dtype=mindspore.float32)
output = pool(x)
print(output)
# [[[[1. 0. 1.]
#    [0. 1. 1.]]]]