当我尝试实现AlexNet时，我最近在Pytorch中遇到了一种方法。
我不明白它是如何工作的。请通过一些示例解释其背后的想法。以及它在神经网络功能方面与Maxpooling或Average poling有何不同
nn.AdaptiveAvgPool2d（（6，6））
最佳答案
在平均池或最大池中，本质上是您自己设置步幅和内核大小，并将它们设置为超参数。如果碰巧更改了输入大小，则必须重新配置它们。
另一方面，在自适应池中，我们改为指定输出大小。并自动选择步幅和内核大小以适应需求。以下公式用于计算源代码中的值。
Stride = (input_size//output_size)
Kernel size = input_size - (output_size-1)*stride
Padding = 0
关于python - 什么是自适应平均池？它如何工作？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/58692476/