mindspore.mint.nn.functional.max_unpool2d
- mindspore.mint.nn.functional.max_unpool2d(input, indices, kernel_size, stride=None, padding=0, output_size=None)[源代码]
max_pool2d 的逆过程。
max_unpool2d 在计算过程中，保留最大值位置的元素，并将非最大值位置元素设置为0。支持的输入数据格式为 \((N, C, H_{in}, W_{in})\) 或 \((C, H_{in}, W_{in})\) ，输出数据的格式为 \((N, C, H_{out}, W_{out})\) 或 \((C, H_{out}, W_{out})\) ，计算公式如下：
\[\begin{split}\begin{array}{ll} \\ H_{out} = (H{in} - 1) \times stride[0] - 2 \times padding[0] + kernel\_size[0] \\ W_{out} = (W{in} - 1) \times stride[1] - 2 \times padding[1] + kernel\_size[1] \\ \end{array}\end{split}\]警告
这是一个实验性API，后续可能修改或删除。
- 参数：
input (Tensor) - 待求逆的Tensor。shape为 \((N, C, H_{in}, W_{in})\) 或 \((C, H_{in}, W_{in})\) 。
indices (Tensor) - 最大值的索引。shape必须与输入 input 相同。取值范围需满足 \([0, H_{in} \times W_{in} - 1]\) 。数据类型必须是int32或int64。
kernel_size (Union[int, tuple[int]]) - 池化核尺寸大小。int类型表示池化核的长宽相同。tuple类型中的两个值分别代表池化核的长和宽。
stride (Union[int, tuple[int]]，可选) - 池化操作的移动步长，int类型表示长宽方向的移动步长相同。tuple中的两个值分别代表长宽方向移动的步长。默认值：
None，表示移动步长为 kernel_size 。padding (Union[int, tuple[int]]，可选) - 填充值。默认值：
0。若为int类型，则长宽方向的填充大小相同，均为 padding 。若为tuple类型，则tuple中的两个值分别代表长宽方向填充的大小。output_size (tuple[int]，可选) - 输出shape。默认值：
None。如果output_size为()，那么输出shape根据kernel_size、stride和padding计算得出。如果output_size不为()，那么 output_size 必须满足格式 \((N, C, H, W)\) ， \((C, H, W)\) 或 \((H, W)\) ，取值范围需满足：\([(N, C, H_{out} - stride[0], W_{out} - stride[1]), (N, C, H_{out} + stride[0], W_{out} + stride[1])]\)。
- 返回：
shape为 \((N, C, H_{out}, W_{out})\) 或 \((C, H_{out}, W_{out})\) 的Tensor，数据类型与输入 input 相同。
- 异常：
TypeError - input 或 indices 的数据类型不支持。
TypeError - kernel_size 、 stride 或 padding 既不是整数也不是tuple。
ValueError - stride 、 padding 或 kernel_size 的值不是非负的。
ValueError - input 和 indices 的shape不一致。
ValueError - input 的长度不为3或4。
ValueError - output_size 的类型不是tuple。
ValueError - output_size 的取值与根据 kernel_size 、 stride 、 padding 计算得到的结果差距太大。
- 支持平台：
Ascend
样例：
>>> import numpy as np >>> from mindspore import Tensor, mint >>> input = Tensor(np.array([[[[0, 1], [8, 9]]]]).astype(np.float32)) >>> indices = Tensor(np.array([[[[0, 1], [2, 3]]]]).astype(np.int64)) >>> output = mint.nn.functional.max_unpool2d(input, indices, 1, stride=1, padding=0) >>> print(output.asnumpy()) [[[[0. 1.] [8. 9.]]]]