mindspore.nn.AvgPool1d

class mindspore.nn.AvgPool1d(kernel_size=1, stride=1, pad_mode='valid', padding=0, ceil_mode=False, count_include_pad=True)

在一个输入Tensor上应用1D平均池化运算，可被视为组成一个1D输入平面。

通常，输入的shape为 $(N_{in},C_{in},L_{in})$ ，AvgPool1d在 $(L_{in})$ 维度上输出区域平均值。 给定 kernel_size 为 $l_{ker}$ ， stride 为 $s_0$ ，公式定义如下：

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

说明

该接口暂不支持Atlas A2 训练系列产品。

参数：

• kernel_size (int，可选) - 指定池化核尺寸大小，数据类型为整型。默认值： 1 。

• stride (int，可选) - 池化操作的移动步长，数据类型为整型。默认值： 1 。

• pad_mode (str，可选) - 指定填充模式，填充值为0。可选值为 "same" ， "valid" 或 "pad" 。默认值： "valid" 。

  • "same"：在输入的两端填充，使得当 stride 为 1 时，输入和输出的shape一致。待填充的量由算子内部计算，若为偶数，则均匀地填充在四周，若为奇数，多余的填充量将补充在右端。如果设置了此模式， padding 必须为0。

  • "valid"：不对输入进行填充，返回输出可能的最大长度，如果不能构成一个完整stride，那么额外的像素将被丢弃。如果设置了此模式， padding 必须为0。

  • "pad"：对输入填充指定的量。在这种模式下，填充的量由 padding 参数指定。如果设置此模式， padding 必须大于或等于0。

• padding (Union(int, tuple[int], list[int])，可选) - 池化填充值，只有 pad 模式才能设置为非0。默认值： 0 。 padding 只能是一个整数或者包含一个整数的tuple/list，设定后，则会在输入的左边和右边填充 padding 次或者 padding[0] 次。

• ceil_mode (bool，可选) - 若为 True ，使用ceil来计算输出shape。若为 False ，使用floor来计算输出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 。

输入：

• x (Tensor) - shape为 $(N,C_{in},L_{in})$ 或 $(C_{in},L_{in})$ 的Tensor。

输出：

shape为 $(N,C_{out},L_{out})$ 或 $(C_{out},L_{out})$ 的Tensor。

其中，如果 pad_mode 为 pad 模式时，输出的shape计算公式如下：

$$L_{out}=\lfloor \frac{L_{in}+2\times \text{padding}-\text{kernel\_size}}{\text{stride}}+1\rfloor$$

异常：

• TypeError - kernel_size 或 stride 不是int。

• ValueError - pad_mode 既不是"valid"，也不是"same" 或者 "pad"，不区分大小写。

• ValueError - kernel_size 或 stride 小于1。

• ValueError - padding 为tuple/list时长度不为1。

• ValueError - x 的shape长度不等于2或3。

• ValueError - pad_mode 不为 "pad" 的时候 padding 为非0。

支持平台：

Ascend GPU CPU

样例：

>>> import mindspore as ms
>>> import numpy as np
>>> pool = ms.nn.AvgPool1d(kernel_size=6, stride=1)
>>> x = ms.Tensor(np.random.randint(0, 10, [1, 3, 6]), ms.float32)
>>> output = pool(x)
>>> result = output.shape
>>> print(result)
(1, 3, 1)
>>> pool2 = ms.nn.AvgPool1d(4, stride=1, ceil_mode=True, pad_mode="pad", padding=2)
>>> x1 = ms.ops.randn(6, 6, 8)
>>> output = pool2(x1)
>>> print(output.shape)
(6, 6, 9)