我最近在尝试实现AlexNet时遇到了Pytorch中的一种方法。 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。以及在神经网络功能方面与Maxpooling或Average poling有何不同
nn.AdaptiveAvgPool2d（（6，6））
dqlovedq 回答：什么是自适应平均池？它如何工作？
在平均池或最大池中，您实际上是自己设置了步幅和内核大小，并将它们设置为超参数。如果您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。以下等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