mindspore.ops.MaxPool3D
- class mindspore.ops.MaxPool3D(kernel_size=1, strides=1, pad_mode='VALID', pad_list=0, ceil_mode=None, data_format='NCDHW')[源代码]
对输入的多维数据进行三维的最大池化运算。
一般,输入shape为 \((N_{in}, C_{in}, D_{in}, H_{in}, W_{in})\) 的Tensor,输出 \((D_{in}, H_{in}, W_{in})\) 维上的区域最大值。给定 kernel_size 为 \(ks = (d_{ker}, h_{ker}, w_{ker})\) 和 stride 为 \(s = (s_0, s_1, s_2)\),运算如下:
\[\text{output}(N_i, C_j, d, h, w) = \max_{l=0, \ldots, d_{ker}-1} \max_{m=0, \ldots, h_{ker}-1} \max_{n=0, \ldots, w_{ker}-1} \text{input}(N_i, C_j, s_0 \times d + l, s_1 \times h + m, s_2 \times w + n)\]说明
Atlas 训练系列产品暂不支持此算子原语。
- 参数:
kernel_size (Union[int, tuple[int]]) - 指定池化核尺寸大小。整数类型,表示池化核深度、高和宽,或者是三个整数组成的元组,表示深、高和宽。默认值:
1
。strides (Union[int, tuple[int]]) - 池化操作的移动步长,整数类型,表示深、高和宽的移动步长,或者是三个整数组成的元组,表示深、高和宽移动步长。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"
,"VALID"
或"PAD"
。默认值:"VALID"
。"SAME"
:在输入的深度、高度和宽度维度进行填充,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前方/底部/右侧。如果设置了此模式, pad_list 必须为0。"VALID"
:不对输入进行填充,返回输出可能的最大深度、高度和宽度,不能构成一个完整stride的额外的像素将被丢弃。如果设置了此模式, pad_list 必须为0。"PAD"
:对输入填充指定的量。在这种模式下,在输入的深度、高度和宽度方向上填充的量由 pad_list 参数指定。如果设置此模式, pad_list 必须大于或等于0。
pad_list (Union(int, tuple[int])) - 池化填充方式。默认值:
0
。如果 pad 是一个整数,则头尾部、顶部,底部,左边和右边的填充都是相同的,等于 pad 。如果 pad 是六个整数的tuple,则头尾部、顶部、底部、左边和右边的填充分别等于填充pad[0]、pad[1]、pad[2]、pad[3]、pad[4]和pad[5]。ceil_mode (Union[bool, None]) - 是否使用ceil函数计算输出高度和宽度。默认值:
None
。data_format (str) - 输入和输出的数据格式。目前仅支持
"NCDHW"
。默认值:"NCDHW"
。
- 输入:
x (Tensor) - shape为 \((N, C, D_{in}, H_{in}, W_{in})\) 的Tensor。数据类型为float16或float32。
- 输出:
Tensor,shape为 \((N, C, D_{out}, H_{out}, W_{out})\) 。数据类型与 x 相同。
- 异常:
TypeError - kernel_size 或 strides 既不是int也不是元组。
TypeError - pad_mode 或 data_format 不是str。
ValueError - kernel_size 或 strides 不是正数。
ValueError - pad_mode 不是
"SAME"
、"VALID"
、或"PAD"
。ValueError - pad_mode 取值为
"SAME"
或"VALID"
, ceil_mode 取值不是None
。ValueError - kernel_size 或 strides 是长度不等于3的元组。
ValueError - data_format 不是
"NCDHW"
。
- 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 * 2 * 2 * 2 * 3).reshape((1, 2, 2, 2, 3)), mindspore.float32) >>> max_pool3d = ops.MaxPool3D(kernel_size=2, strides=1, pad_mode="VALID") >>> output = max_pool3d(x) >>> print(output) [[[[[10. 11.]]] [[[22. 23.]]]]]