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。

文档反馈

mindspore.nn.MaxUnpool2d

class mindspore.nn.MaxUnpool2d(kernel_size, stride=None, padding=0)[源代码]

mindspore.nn.MaxPool2d 的逆过程。 MaxUnpool2d 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 $(N, C, H_{i n}, W_{i n})$ 或 $(C, H_{i n}, W_{i n})$ ，输出数据的个格式为 $(N, C, H_{o u t}, W_{o u t})$ 或 $(C, H_{o u t}, W_{o u t})$ ，计算公式如下：

\begin{array}{r} \begin{array}{ll} H_{o u t} = (H_{i n} - 1) \times s t r i d e [0] - 2 \times p a d d i n g [0] + k e r n e l_s i z e [0] \\ W_{o u t} = (W_{i n} - 1) \times s t r i d e [1] - 2 \times p a d d i n g [1] + k e r n e l_s i z e [1] \end{array} \end{array}

参数：

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]]) - 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。若取值为 None ， stride 值与 kernel_size 相同。默认值： None 。
padding (Union[int, tuple[int]]) - 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。

输入：

x (Tensor) - 待求逆的Tensor。shape为 $(N, C, H_{i n}, W_{i n})$ 或 $(C, H_{i n}, W_{i n})$ 。
indices (Tensor) - 最大值的索引。shape必须与输入 x 相同。取值范围需满足 $[0, H_{i n} \times W_{i n} - 1]$ 。数据类型必须是int32或int64。
output_size (tuple[int]，可选) - 输出shape。默认值： None 。如果output_size为 None ，那么输出shape根据 kernel_size 、 stride 和 padding 计算得出。如果output_size不为 None ，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： $[(N, C, H_{o u t} - s t r i d e [0], W_{o u t} - s t r i d e [1]), (N, C, H_{o u t} + s t r i d e [0], W_{o u t} + s t r i d e [1])]$ 。

输出：

shape为 $(N, C, H_{o u t}, W_{o u t})$ 或 $(C, H_{o u t}, W_{o u t})$ 的Tensor，数据类型与输入 x 相同。

异常：

TypeError - x 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 - x 和 indices 的shape不一致。
ValueError - kernel_size ， stride 或 padding 为tuple时长度不等于2。
ValueError - x 的长度不为3或4。
ValueError - output_size 的类型不是tuple。
ValueError - output_size 的长度不为0、3或4。
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：

GPU CPU

样例：

>>> import mindspore as ms
>>> import numpy as np
>>> x = ms.Tensor(np.array([[[[0, 1], [8, 9]]]]).astype(np.float32))
>>> indices = ms.Tensor(np.array([[[[0, 1], [2, 3]]]]).astype(np.int64))
>>> maxunpool2d = ms.nn.MaxUnpool2d(kernel_size=1, stride=1, padding=0)
>>> output = maxunpool2d(x, indices)
>>> print(output.asnumpy())
[[[[0. 1.]
   [8. 9.]]]]