julia - 如何在 Flux.jl 中进行自适应平均池化

Question

我已经看到自适应平均池在 Tensor Flow和PyTorch中都可用。

我想知道如何在Flux.jl中实现这一点？

Answer 1

Flux 实际上确实有一个内置函数，它创建了一个自适应池层：

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所看到的，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（红色、绿色和蓝色），50 代表图像的数量。