Adaptive Average Pooling

Definition / 释义

自适应平均池化：一种卷积神经网络（CNN）中的池化操作，会对输入特征图做取平均的下采样，并且能根据目标输出尺寸自动决定池化窗口大小与步幅，从而把任意大小的输入变成指定大小的输出（常见如输出为 1×1，实现“全局平均池化”的效果）。
（也常写作 AdaptiveAvgPool；与 max pooling 不同，它取的是平均值。）

Pronunciation / 发音

/əˈdæptɪv ˈævərɪdʒ ˈpuːlɪŋ/

Examples / 例句

Adaptive average pooling reduces the feature map to a fixed size.
自适应平均池化会把特征图缩小到固定的尺寸。

To handle images of different resolutions, the model uses adaptive average pooling before the final classifier, ensuring the output vector has a consistent length.
为了处理不同分辨率的图像，模型在最终分类器之前使用自适应平均池化，以保证输出向量长度一致。

Etymology / 词源

• adaptive 源自拉丁语 adaptare（使适合、调整），强调“根据目标自动调整”。
• average 来自中古法语 avarie（最初与“损失分摊”相关），后引申为“平均值”。
• pooling 源自 pool（水池、汇集处），在机器学习里比喻“把一片区域的信息汇集成一个值”。
  组合起来，这个术语字面意思就是“能自动调整的平均汇聚/池化”。

Related Words / 相关词

• Average Pooling
• Max Pooling
• Global Average Pooling
• Pooling Layer
• Convolution
• Feature Map
• Stride
• Padding
• Flatten

Notable Works / 著名作品与出处

• PyTorch Documentation：torch.nn.AdaptiveAvgPool1d/2d/3d（官方文档与 API 说明中大量使用该术语）
• Deep Learning with PyTorch（书籍与示例代码中常在分类头前使用自适应池化以适配不同输入尺寸）
• PyTorch Tutorials / TorchVision Model Implementations（教程与模型实现里常见在 ResNet 等结构的末端用自适应平均池化得到固定维度表示）