代码拉取完成,页面将自动刷新
torch.nn.AvgPool1d(
kernel_size,
stride=None,
padding=0,
ceil_mode=False,
count_include_pad=True
)(input) -> Tensor
更多内容详见torch.nn.AvgPool1d。
mindspore.nn.AvgPool1d(
kernel_size=1,
stride=1,
pad_mode='valid'
)(x) -> Tensor
更多内容详见mindspore.nn.AvgPool1d。
PyTorch:对输入的多维数据进行一维平面上的平均池化运算。
MindSpore:MindSpore此API实现功能与PyTorch基本一致,MindSpore不存在padding、ceil_mode、count_include_pad参数,而PyTorch中无pad_mode参数。
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中此参数用于说明输入的每一条边补充0的层数,MindSpore无此参数 | |
参数4 | ceil_mode | - | PyTorch中此参数用于决定输出shape: ($N$, $C$, $L_{out}$)中$L_{out}$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padding,MindSpore无此参数 | |
参数6 | - | pad_mode | MindSpore指定池化的填充方式,可选值为"same"或"valid",PyTorch无此参数 | |
输入 | 单输入 | input | x | 接口输入,功能一致,参数名不同 |
两API实现功能一致,用法相同。
# PyTorch
import torch
import torch.nn as nn
m = nn.AvgPool1d(kernel_size=6, stride=1)
input_x = torch.tensor([[[1,2,3,4,5,6,7]]], dtype=torch.float32)
print(m(input_x).numpy())
# [[[3.5 4.5]]]
# MindSpore
import mindspore
import mindspore.nn as nn
from mindspore import Tensor
pool = nn.AvgPool1d(kernel_size=6, stride=1)
x = Tensor([[[1,2,3,4,5,6,7]]], dtype=mindspore.float32)
output = pool(x)
print(output)
# [[[3.5 4.5]]]
此处可能存在不合适展示的内容,页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容,可点击提交进行申诉,我们将尽快为您处理。