池化一维张量答案

【问题标题】：Pooling for 1D tensor池化一维张量
【发布时间】：2021-11-08 00:03:21
【问题描述】：

我正在寻找一种通过应用池化操作来减少一维张量长度的方法。我该怎么做？如果我申请MaxPool1d，我会收到错误max_pool1d() input tensor must have 2 or 3 dimensions but got 1。

这是我的代码：

import numpy as np
import torch

A = np.random.rand(768)
m = nn.MaxPool1d(4,4)
A_tensor = torch.from_numpy(A)
output = m(A_tensor)

【问题讨论】：

【解决方案1】：

我认为您的意思是：

m = nn.MaxPool1d((4,), 4)

正如docs 中提到的，参数是：

torch.nn.MaxPool1d(kernel_size, stride=None, padding=0, dilation=1, return_indices=False, ceil_mode=False)

如您所见，它是一个kernel_size，而不是kernel_size1 kernel_size2。相反，它只是kernel_size

【讨论】：

【解决方案2】：

你的初始化很好，你已经定义了nn.MaxPool1d的前两个参数：kernel_size和stride。对于一维最大池，两者都应该是整数，not tuples.

问题在于您的输入，它应该是二维的（缺少批处理轴）：

>>> m = nn.MaxPool1d(4, 4)
>>> A_tensor = torch.rand(1, 768)

那么推断会导致：

>>> output = m(A_tensor)
>>> output.shape
torch.Size([1, 192])

【讨论】：

【解决方案3】：

为了后代：解决方案是使用 A_tensor.reshape(768,1) 重塑张量。

【讨论】：