mindspore.mint.nn.functional.avg_pool1d

mindspore.mint.nn.functional.avg_pool1d(input, kernel_size, stride=None, padding=0, ceil_mode=False, count_include_pad=True)

在输入Tensor上应用1D平均池化，输入Tensor可以看作是由一系列1D平面组成的。

一般地，输入的shape为 \((N_{in}, C_{in}, L_{in})\) ，输出 \((L_{in})\) 维度的区域平均值。给定 kernel_size 为 \(ks = l_{ker}\) 和 stride 为 \(s = s_0\) ，运算如下：

\[\text{output}(N_i, C_j, l) = \frac{1}{l_{ker}} \sum_{n=0}^{l_{ker}-1} \text{input}(N_i, C_j, s_0 \times l + n)\]

警告

• 这是一个实验性API，后续可能修改或删除。

参数：

• input (Tensor) - 输入shape为 \((N, C_{in}, L_{in})\) 的Tensor。

• kernel_size (Union(int, tuple[int])) - 指定池化核尺寸大小。

• stride (Union(int, tuple[int]), 可选) - 池化操作的移动步长。可以是一个整数或者包含一个整数的tuple。默认值： None，表示与 kernel_size 值相同。

• padding (Union(int, tuple[int]), 可选) - 池化填充长度。可以是一个整数或者包含一个整数的tuple。默认值： 0 。

• ceil_mode (bool, 可选) - 如果为 True ，用ceil代替floor来计算输出的shape。默认值： False 。

• count_include_pad (bool, 可选) - 如果为 True ，平均计算将包括零填充。默认值： True 。

返回：

Tensor，shape为 \((N, C_{in}, L_{out})\) 。

异常：

• TypeError - input 不是一个Tensor。

• TypeError - kernel_size 或 stride 不是int。

• TypeError - ceil_mode 或 count_include_pad 不是bool。

• ValueError - kernel_size 或 stride 小于1。

• ValueError - kernel_size`或 `stride`或 `padding 不是int或者tuple的长度大于1。

支持平台：

Ascend

样例：

>>> import mindspore
>>> import numpy as np
>>> from mindspore import Tensor, mint
>>> input_x = Tensor(np.random.randint(0, 10, [1, 3, 6]), mindspore.float32)
>>> output = mint.avg_pool1d(input_x, kernel_size=6, stride=1)
>>> print(output.shape)
(1, 3, 1)