torch.mean 和 torch.nn.avg_pool 有什么区别？
What's the difference between torch.mean and torch.nn.avg_pool?
以一个形状为[4,8,12]的张量为例，这两行有什么区别：
torch.mean(x, dim=2)
torch.nn.functional.avg_pool1d(x, kernel_size=12)
对于您提供的示例，结果是相同的，但这只是因为您指定 dim=2 和 kernel_size 等于第三个（索引 2）维度的维度。
但原则上，您正在应用两个不同的函数，有时恰好与超参数的特定选择发生冲突。
torch.mean 实际上是一个降维函数，这意味着当您对一个维度上的所有值进行平均时，您实际上就摆脱了那个维度。
另一方面，平均 1 维池化在这方面更强大，因为它使您可以更灵活地选择内核大小、填充和步幅，就像您通常在使用卷积层时所做的那样。
您可以将第一个函数视为一维池化的特定情况。
以一个形状为[4,8,12]的张量为例，这两行有什么区别：
torch.mean(x, dim=2)
torch.nn.functional.avg_pool1d(x, kernel_size=12)
对于您提供的示例，结果是相同的，但这只是因为您指定 dim=2 和 kernel_size 等于第三个（索引 2）维度的维度。
但原则上，您正在应用两个不同的函数，有时恰好与超参数的特定选择发生冲突。
torch.mean 实际上是一个降维函数，这意味着当您对一个维度上的所有值进行平均时，您实际上就摆脱了那个维度。
另一方面，平均 1 维池化在这方面更强大，因为它使您可以更灵活地选择内核大小、填充和步幅，就像您通常在使用卷积层时所做的那样。
您可以将第一个函数视为一维池化的特定情况。