mindspore.ops.MaxPool
- class mindspore.ops.MaxPool(kernel_size=1, strides=1, pad_mode='valid', data_format='NCHW')[源代码]
对输入的多维数据进行二维的最大池化运算。
在一个输入Tensor上应用2D max pooling,可被视为2D输入平面。
通常,输入的shape为 \((N_{in}, C_{in}, H_{in}, W_{in})\) ,MaxPool在 \((H_{in}, W_{in})\) 维度输出区域最大值。给定 kernel_size 为 \(ks = (h_{ker}, w_{ker})\) 和 stride \(s = (s_0, s_1)\) ,运算如下:
\[\text{output}(N_i, C_j, h, w) = \max_{m=0, \ldots, h_{ker}-1} \max_{n=0, \ldots, w_{ker}-1} \text{input}(N_i, C_j, s_0 \times h + m, s_1 \times w + n)\]- 参数:
kernel_size (Union[int, tuple[int]]) - 指定池化核尺寸大小。由一个整数或者是两个整数组成的tuple,表示高和宽。默认值:
1
。strides (Union[int, tuple[int]]) - 池化操作的移动步长,由一个整数或者是两个整数组成的tuple,表示高和宽上的移动步长。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"
或"valid"
。默认值:"valid"
。"same"
:在输入的四周填充,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底部/右侧。"valid"
:不对输入进行填充,返回输出可能的最大高度和宽度,不能构成一个完整stride的额外的像素将被丢弃。
data_format (str) - 输入和输出的数据格式。可选值为
"NHWC"
或"NCHW"
。默认值:"NCHW"
。
- 输入:
x (Tensor) - shape为 \((N, C_{in}, H_{in}, W_{in})\) 的Tensor。 支持数据类型:
CPU:float16、float32、float64。
GPU/Ascend:float16、float32。
- 输出:
Tensor,shape为 \((N, C_{out}, H_{out}, W_{out})\) 。
- 异常:
TypeError - kernel_size 或 strides 既不是int也不是tuple。
ValueError - pad_mode 既不是
"valid"
也不是"same"
(不区分大小写)。ValueError - data_format 既不是
"NCHW"
也不是"NHWC"
。ValueError - kernel_size 或 strides 小于1。
ValueError - iput 的shape长度不等于4。
- 支持平台:
Ascend
GPU
CPU
样例:
>>> import mindspore >>> import numpy as np >>> from mindspore import Tensor, ops >>> x = Tensor(np.arange(1 * 3 * 3 * 4).reshape((1, 3, 3, 4)), mindspore.float32) >>> maxpool_op = ops.MaxPool(pad_mode="VALID", kernel_size=2, strides=1) >>> output = maxpool_op(x) >>> print(output) [[[[ 5. 6. 7.] [ 9. 10. 11.]] [[17. 18. 19.] [21. 22. 23.]] [[29. 30. 31.] [33. 34. 35.]]]]