mindspore.mint.nn.functional.adaptive_max_pool1d

mindspore.mint.nn.functional.adaptive_max_pool1d(input, output_size, return_indices=False)[源代码]

对一个多平面输入信号执行一维自适应最大池化。也就是说，对于输入任何尺寸，指定输出的尺寸都为L。但是输入和输出特征的数目不会变化。

警告

这是一个实验性API，后续可能修改或删除。

参数：

input (Tensor) - adaptive_max_pool1d的输入，为二维或三维的Tensor，数据类型为float16、float32或者float64。。
output_size (int) - 输出特征图的size。 output_size 是一个整数。
return_indices (bool，可选) - 如果为 True ，输出最大值的索引，默认值为 False 。

返回：

Union(Tensor, tuple(Tensor, Tensor))。

如果 return_indices 为 False ，返回Tensor, 其shape为 $(N, C_{i n}, L_{o u t})$ ，数据类型与 input 相同。
如果 return_indices 为 True，则是一个包含了两个Tensor的Tuple，表示计算结果以及生成max值的位置。

异常：

TypeError - input 不是Tensor。
TypeError - input 中的数据不是float16、float32、float64。
TypeError - output_size 不是int或者tuple。
TypeError - return_indices 不是bool。
ValueError - output_size 是tuple，但大小不是1。

支持平台：

Ascend

样例：

>>> import mindspore
>>> from mindspore import Tensor, mint
>>> input = Tensor([[2,3],[3,4]],dtype=mindspore.float16)
>>> output = mint.nn.functional.adaptive_max_pool1d(input, 3)
>>> print(output)
[[2.  3.  3. ]
 [3.  4.  4. ]]