比较与torch.nn.AdaptiveAvgPool1d的差异

查看源文件

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]]]