mindspore.mint.nn.functional.avg_pool1d

查看源文件
mindspore.mint.nn.functional.avg_pool1d(input, kernel_size, stride=None, padding=0, ceil_mode=False, count_include_pad=True)[源代码]

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\(ks = l_{ker}\)stride\(s = s_0\) ,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_sizestride 不是int。

  • TypeError - ceil_modecount_include_pad 不是bool。

  • ValueError - kernel_sizestride 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)