如何在 Flux.jl 中进行自适应平均池化
How to do Adaptive average pooling in Flux.jl
我已经看到自适应平均池在
Tensor Flow and PyTorch.
我想知道如何在 Flux.jl 中实现这一点？
Flux 实际上有一个 built in function which creates an Adaptive pooling layer:
julia> xs = rand(Float32, 100, 100, 3, 50); # batch of 50 RGB images
julia> AdaptiveMeanPool((25, 25))(xs) |> size
(25, 25, 3, 50)
正如您在上面的示例中看到的，除了 N 个特征维度之外，它还需要两个额外的数组元素作为输入。在这种情况下，有两个特征维度 (100, 100)。三代表图像的通道数（红、绿、蓝），50代表图像的数量。
我已经看到自适应平均池在 Tensor Flow and PyTorch.
我想知道如何在 Flux.jl 中实现这一点？
Flux 实际上有一个 built in function which creates an Adaptive pooling layer:
julia> xs = rand(Float32, 100, 100, 3, 50); # batch of 50 RGB images
julia> AdaptiveMeanPool((25, 25))(xs) |> size
(25, 25, 3, 50)
正如您在上面的示例中看到的，除了 N 个特征维度之外，它还需要两个额外的数组元素作为输入。在这种情况下，有两个特征维度 (100, 100)。三代表图像的通道数（红、绿、蓝），50代表图像的数量。