相关疑难解决方法(0)

自适应池是一个很棒的功能，但是它如何工作？似乎是以一种似乎很but琐但相当武断的方式插入填充或缩小/扩展内核大小。我可以找到的pytorch文档比“在此处输入所需的输出大小”更具描述性。有谁知道这是如何工作的，或者可以指出它的解释之处？

在1x1x6张量（1,2,3,4,5,6）上的一些测试代码，自适应输出大小为8：

import torch
import torch.nn as nn

class TestNet(nn.Module):
    def __init__(self):
        super(TestNet, self).__init__()
        self.avgpool = nn.AdaptiveAvgPool1d(8)

    def forward(self,x):
        print(x)
        x = self.avgpool(x)
        print(x)
        return x

def test():
    x = torch.Tensor([[[1,2,3,4,5,6]]])
    net = TestNet()
    y = net(x)
    return y

test()

输出：

tensor([[[ 1.,  2.,  3.,  4.,  5.,  6.]]])
tensor([[[ 1.0000,  1.5000,  2.5000,  3.0000,  4.0000,  4.5000,  5.5000,
       6.0000]]])

如果它左右镜像（操作（1,1,2,3,4,5,6,6）），并且内核为2，则除4和5以外的所有位置的输出合理，当然输出不是正确的大小。是否也在内部填充3和4？如果是这样，它将在（1,1,2,3,3,4,4,5,6,6）上运行，如果使用大小为2的内核，则会产生错误的输出大小，并且还会丢失3.5输出。它会改变内核的大小吗？

我是否缺少有关此工作方式的明显信息？