文档反馈

问题文档片段

问题文档片段包含公式时，显示为空格。

提交类型

issue

有点复杂...

找人问问吧。

PR

小问题，全程线上修改...

一键搞定！

请选择提交类型

问题类型

规范和低错类

- 规范和低错类：

- 错别字或拼写错误，标点符号使用错误、公式错误或显示异常。

- 链接错误、空单元格、格式错误。

- 英文中包含中文字符。

- 界面和描述不一致，但不影响操作。

- 表述不通顺，但不影响理解。

- 版本号不匹配：如软件包名称、界面版本号。

易用性

- 易用性：

- 关键步骤错误或缺失，无法指导用户完成任务。

- 缺少主要功能描述、关键词解释、必要前提条件、注意事项等。

- 描述内容存在歧义指代不明、上下文矛盾。

- 逻辑不清晰，该分类、分项、分步骤的没有给出。

正确性

- 正确性：

- 技术原理、功能、支持平台、参数类型、异常报错等描述和软件实现不一致。

- 原理图、架构图等存在错误。

- 命令、命令参数等错误。

- 代码片段错误。

- 命令无法完成对应功能。

- 界面错误，无法指导操作。

- 代码样例运行报错、运行结果不符。

风险提示

- 风险提示：

- 对重要数据或系统存在风险的操作，缺少安全提示。

内容合规

- 内容合规：

- 违反法律法规，涉及政治、领土主权等敏感词。

- 内容侵权。

请选择问题类型

问题描述

点击输入详细问题描述，以帮助我们快速定位问题。

提交

文档反馈

mindspore.mint.nn.functional.avg_pool3d

mindspore.mint.nn.functional.avg_pool3d(input, kernel_size, stride=None, padding=0, ceil_mode=False, count_include_pad=True, divisor_override=None)

在输入Tensor上应用3d平均池化，输入Tensor可以看作是由一系列3d平面组成的。

一般地，输入的shape为 $(N,C,D_{in},H_{in},W_{in})$ ，输出 $(D_{in},H_{in},W_{in})$ 维度的区域平均值。给定 kernel_size 为 $(kD,kH,kW)$ 和 stride ，运算如下：

$$\begin{array}{r}\begin{array}{c}\text{output}(N_i,C_j,d,h,w)=\frac{1}{kD\ast kH\ast kW}\sum _{l=0}^{kD-1}\sum _{m=0}^{kH-1}\sum _{n=0}^{kW-1}\\ \text{input}(N_i,C_j,stride[0]\times d+l,stride[1]\times h+m,stride[2]\times w+n)\end{array}\end{array}$$

警告

这是一个实验性API，后续可能修改或删除。

说明

该接口暂不支持Atlas A2 训练系列产品。

参数：

• input (Tensor) - shape为 $(N,C,D_{in},H_{in},W_{in})$ 或 $(C,D_{in},H_{in},W_{in})$ 的Tensor。

• kernel_size (Union[int, tuple[int], list[int]]) - 指定池化核尺寸大小，可以是单个整数或一个元组 $(kD,kH,kW)$ 。

• stride (Union[int, tuple[int], list[int]], 可选) - 池化操作的移动步长，可以是单个整数或一个元组 $(sD,sH,sW)$ 。默认值： None，此时其值等于 kernel_size 。

• padding (Union[int, tuple[int], list[int]], 可选) - 池化填充长度，可以是单个整数或一个元组 $(padD,padH,padW)$。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 。

• divisor_override (int, 可选) - 如果指定了该值，它将在平均计算中用作除数，否则，将使用池化区域的大小。默认值： None。

返回：

Tensor，其shape为 $(N,C,D_{out},H_{out},W_{out})$ 或 $(C,D_{out},H_{out},W_{out})$ 。

$$\begin{array}{r}\begin{array}{l}\\ D_{out}=\frac{D_{in}+2\times padding[0]-kernel\mathrm{\_}size[0]}{stride[0]}+1\\ H_{out}=\frac{H_{in}+2\times padding[1]-kernel\mathrm{\_}size[1]}{stride[1]}+1\\ W_{out}=\frac{W_{in}+2\times padding[2]-kernel\mathrm{\_}size[2]}{stride[2]}+1\end{array}\end{array}$$

异常：

• TypeError - input 不是一个Tensor。

• TypeError - kernel_size 或 stride 既不是int也不是tuple。

• TypeError - ceil_mode 或 count_include_pad 不是bool。

• TypeError - divisor_override 不是int或None。

• ValueError - input 的维度不等于4或5。

• ValueError - kernel_size 或 stride 小于1。

• ValueError - padding 的值小于0。

• ValueError - kernel_size、 padding 或 stride 是tuple且其长度不等于1或3。

支持平台：

Ascend

样例：

>>> import mindspore
>>> import numpy as np
>>> from mindspore import Tensor, mint
>>> input_x = Tensor(np.arange(1 * 2 * 2 * 2 * 3).reshape((1, 2, 2, 2, 3)), mindspore.float16)
>>> output = mint.nn.functional.avg_pool3d(input_x, kernel_size=2, stride=1)
>>> print(output)
[[[[[ 5.  6.]]]
  [[[17. 18.]]]]]