PyTorch nn.AdaptiveAvgPool1d() 自适应平均池化详解

nn.AdaptiveAvgPool1d() 是 PyTorch 中的一个层，用于执行自适应平均池化操作。该层将输入的一维张量调整为指定的输出大小，并在每个输出维度上执行平均池化。

计算过程如下：

接收输入张量 x，其形状为 (batch_size, in_channels, input_length)。
计算输出张量的形状 out_size，它是一个元组，包含输出的长度。如果 out_size 是一个整数，那么输出的长度将在所有维度上都是相同的。
计算每个输出维度的池化区域大小 kernel_size，它是输入张量维度和输出张量维度之间的比率。例如，如果输入长度为 10，输出长度为 5，则 kernel_size 为 2。
对于每个样本 x[i]，在每个通道上执行自适应平均池化。为此，将输入张量的每个通道划分为 kernel_size 个子区域，然后在每个子区域上计算平均值。这将产生一个形状为 (batch_size, in_channels, kernel_size) 的张量。
将步骤 4 中计算的结果在最后一个维度上取平均值，得到一个形状为 (batch_size, in_channels) 的张量。
返回结果张量，并将其形状调整为 (batch_size, in_channels, output_length)，其中 output_length 是 out_size 的值。

这个过程将输入张量调整为指定的输出大小，并在每个输出维度上执行平均池化。这种平均池化的大小和形状是根据输入张量和输出大小动态计算的，因此被称为自适应平均池化。