标签: spatial-pooling

在使用Keras（带有TensorFlow后端）调整深层卷积网络时，我想尝试一下MaxPooling2D和之间的混合AveragePooling2D，因为这两种策略似乎都可以改善我的目标的两个不同方面。

我正在考虑这样的事情：

    -------
    |8 | 1|
x = ---+---
    |1 | 6|
    -------

average_pooling(x)                ->   4
max_pooling(x)                    ->   8
hybrid_pooling(x, alpha_max=0.0)  ->   4
hybrid_pooling(x, alpha_max=0.25) ->   5
hybrid_pooling(x, alpha_max=0.5)  ->   6
hybrid_pooling(x, alpha_max=0.75) ->   7
hybrid_pooling(x, alpha_max=1.0)  ->   8

或等式：

hybrid_pooling(x, alpha_max) =
    alpha_max * max_pooling(x) + (1 - alpha_max) * average_pooling(x)

既然看起来好像没有现成的东西，那么如何以有效的方式实现它呢？

我不知道如何将 PyTorch 方法转换adaptive_avg_pool2d为 Keras 或 TensorFlow。有人可以帮忙吗？PyTorch方法是

adaptive_avg_pool2d(14,[14])

我尝试使用平均池化，在 Keras 中重塑张量，但收到错误：

ValueError：新数组的总大小必须保持不变

如何在 PyTorch 中执行求和池。具体来说，如果我们有输入(N, C, W_in, H_in)并想要(N, C, W_out, H_out)使用特定的输出kernel_size，stride就像nn.Maxpool2d?