什么是自适应平均池？它是如何工作的？

Question

最近，当我试图实现AlexNet时，我在Pytorch中遇到了一个方法。 我不明白它是怎么工作的。请用一些例子来解释它背后的想法。以及在神经网络功能方面，它与Maxpooling或Average poling有何不同

nn.AdaptiveAvgPool2d((6, 6))

Answer 1

在平均池（average pooling）或最大池（max pooling）中，基本上您可以自己设置步幅和内核大小，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。在

另一方面，在自适应池中，我们指定输出大小。并根据需要自动选择步长和内核大小。以下公式用于计算源代码中的值。在

Stride = (input_size//output_size)  
Kernel size = input_size - (output_size-1)*stride  
Padding = 0