mindspore.mint.nn.functional.max_pool2d

mindspore.mint.nn.functional.max_pool2d(input, kernel_size, stride=None, padding=0, dilation=1, ceil_mode=False, return_indices=False)

二维最大值池化。

输入是shape为 $(N_{in},C_{in},H_{in},W_{in})$ 的Tensor，输出 $(H_{in},W_{in})$ 维度中的最大值。给定 kernel_size $ks=(h_{ker},w_{ker})$，和 stride $s=(s_0,s_1)$，运算如下：

$$\text{output}(N_i,C_j,h,w)=\underset{m=0,\dots ,h_{ker}-1}{max}\underset{n=0,\dots ,w_{ker}-1}{max}\text{input}(N_i,C_j,s_0\times h+m,s_1\times w+n)$$

警告

只支持 Atlas A2 训练系列产品。

参数：

• input (Tensor) - shape为 $(N_{in},C_{in},H_{in},W_{in})$ 的Tensor。在Ascend上，数据类型仅支持float32。

• kernel_size (Union[int, tuple[int]]) - 池化核尺寸大小。可以是一个整数，同时表示池化核的高度和宽度。或者包含两个整数的tuple，分别表示池化核的高度和宽度。

• stride (Union[int, tuple[int], None], 可选) - 池化操作的移动步长。可以是一个整数，同时表示在高度和宽度方向的移动步长。或者包含两个整数的tuple，分别表示在高度和宽度方向的移动步长。默认值： None ，表示移动步长为 kernel_size 。

• padding (Union[int, tuple[int]], 可选) - 池化填充长度。可以是一个整数，同时表示在高度和宽度方向的填充长度。或者包含两个整数的tuple，分别表示在高度和宽度方向的填充长度。默认值： 0。

• dilation (Union[int, tuple[int]], 可选) - 控制池化核内元素的间距。默认值： 1。

• ceil_mode (bool, 可选) - 是否是用ceil代替floor来计算输出的shape。默认值： False。

• return_indices (bool, 可选) - 是否输出最大值的索引。默认值： False。

返回：

当 return_indices 是 False 时，输出单个 output Tensor，否则输出一个包含 output Tensor和 argmax Tensor的元组。

• output (Tensor) - 输出的池化后的最大值，shape为 $(N_{out},C_{out},H_{out},W_{out})$ 。其数据类型与 input 相同。

  $$H_{out}=\lfloor \frac{H_{in}+2\ast \text{padding[0]}-\text{dilation[0]}\times (\text{kernel\_size[0]}-1)-1}{\text{stride[0]}}+1\rfloor$$
  $$W_{out}=\lfloor \frac{W_{in}+2\ast \text{padding[1]}-\text{dilation[1]}\times (\text{kernel\_size[1]}-1)-1}{\text{stride[1]}}+1\rfloor$$

• argmax (Tensor) - 输出的最大值对应的索引。在Ascend上，其数据类型为int32。仅当 return_indices 为True时，才返回该值。

异常：

• TypeError - input 不是Tensor。

• ValueError - input 的维度不是4D。

• TypeError - kernel_size 、 stride 、 padding 、 dilation 不是int或者tuple。

• ValueError - kernel_size、 stride 或者 dilation 的元素值小于1。

• ValueError - dilation 不是全为1。

• ValueError - padding 的元素值小于0。

• ValueError - padding 的元素值大于 kernel_size 的一半。

• TypeError - ceil_mode 不是bool类型。

支持平台：

Ascend

样例：

>>> import mindspore
>>> import numpy as np
>>> from mindspore import Tensor, mint
>>> input = Tensor(np.arange(20 * 16 * 50 * 32).reshape((20, 16, 50, 32)), mindspore.float32)
>>> output_tensor, argmax = mint.nn.functional.max_pool2d(input, kernel_size=(3, 2), stride=(2, 1),
...                                                             ceil_mode=False, return_indices=True)
>>> print(output_tensor.shape)
(20, 16, 24, 31)
>>> print(argmax.shape)
(20, 16, 24, 31)