比较与torch.nn.AdaptiveAvgPool1d的功能差异

以下映射关系均可参考本文。

PyTorch APIs	MindSpore APIs
torch.nn.AdaptiveAvgPool1d	mindspore.nn.AdaptiveAvgPool1d
torch.nn.functional.adaptive_avg_pool1d	mindspore.ops.adaptive_avg_pool1d

torch.nn.AdaptiveAvgPool1d

torch.nn.AdaptiveAvgPool1d(output_size)(input) -> Tensor

更多内容详见torch.nn.AdaptiveAvgPool1d。

mindspore.nn.AdaptiveAvgPool1d

mindspore.nn.AdaptiveAvgPool1d(output_size)(input) -> Tensor

更多内容详见mindspore.nn.AdaptiveAvgPool1d。

差异对比

PyTorch：对时序数据进行自适应平均池化运算，支持2D和3D数据。

MindSpore：MindSpore此API目前只支持3D数据，要求输入数据的最后一个维度长度要大于输出大小，并且必须整除output_size。

分类	子类	PyTorch	MindSpore	差异
参数	参数1	output_size	output_size	要求输入数据的最后一个维度长度要大于输出大小，并且必须整除output_size
输入	单输入	input	input	MindSpore目前只支持3D数据

代码示例1

对三维数据，在输入长度可以整除输出长度时对数据进行自适应平均池化运算。

# PyTorch
import torch
from torch import tensor
import numpy as np

avg_pool = torch.nn.AdaptiveAvgPool1d(output_size=4)
x = tensor(np.arange(16).reshape(1, 2, 8), dtype=torch.float32)
output = avg_pool(x)
print(output)
# tensor([[[ 0.5000,  2.5000,  4.5000,  6.5000],
#          [ 8.5000, 10.5000, 12.5000, 14.5000]]])

# MindSpore
import mindspore
from mindspore import Tensor, nn
import numpy as np
pool = nn.AdaptiveAvgPool1d(output_size=4)
x = Tensor(np.arange(16).reshape(1, 2, 8), mindspore.float32)
output = pool(x)
print(output)
# [[[ 0.5  2.5  4.5  6.5]
#   [ 8.5 10.5 12.5 14.5]]]