比较与torch.nn.AdaptiveAvgPool1d的差异
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
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]]]