mindspore.ops.MaxUnpool2D

class mindspore.ops.MaxUnpool2D(ksize, strides=0, pads=0, output_shape=(), data_format='NCHW')

MaxPool2D的逆过程。

由于MaxPool2D会丢失非最大值，因此它不是完全可逆的。MaxUnpool2D将MaxPool2D的输出作为输入，包括最大值的索引，并计算部分逆，其中所有非最大值都被设置为零。 例如，输入的shape为 $(N,C,H_{in},W_{in})$ ，输出的shape为 $(N,C,H_{out},W_{out})$ ， 则计算过程如下所示：

$$\begin{array}{r}\begin{array}{l}\\ H_{out}=(Hin-1)\times strides[0]-2\times pads[0]+ksize[0]\\ W_{out}=(Win-1)\times strides[1]-2\times pads[1]+ksize[1]\end{array}\end{array}$$

警告

这是一个实验性API，后续可能修改或删除。

参数：

• ksize (Union[int, tuple[int]]) - 用于取最大值的内核大小， 是一个整数，表示内核的高度和宽度，或一个元组包含两个整数，分别表示内核的高度和宽度。

• strides (Union[int, tuple[int]]，可选) - 内核移动的步长，如果 strides 为0或(0, 0), 那么 strides 等于 ksize 。默认值： 0 。

  • 一个整数，则表示移动的高度和宽度都是 strides 。

  • 两个整数的元组，分别表示高度和宽度方向的移动步长。

• pads (Union[int, tuple[int]]，可选) - 指定填充量。默认值： 0 。

  • 如果 pads 是一个整数，则高度和宽度方向的填充量相同，都等于 pads 。

  • 如果 pads 是含两个整数的元组，高度和宽度方向的填充量分别等于 pads[0] 和 pads[1] 。

• output_shape (tuple[int]，可选) - 一个可选的输入，指定目标输出的尺寸。默认值： () 。

  • 如果 $output\mathrm{\_}shape==()$ ，则输出的shape由 kszie 、 strides 和 pads 计算得到。

  • 如果 $output\mathrm{\_}shape!=()$ ，则 output_shape 必须为 $(N,C,H,W)$ 或 $(N,H,W,C)$ ， 同时 output_shape 必须属于 $[(N,C,H_{out}-strides[0],W_{out}-strides[1]),(N,C,H_{out}+strides[0],W_{out}+strides[1])]$ 。

• data_format (str，可选) - 可选的数据格式。当前支持 "NCHW" 和 "NHWC" 。默认值： "NCHW" 。

输入：

• x (Tensor) - 求逆的输入Tensor。其shape为 $(N,C,H_{in},W_{in})$ 或 $(N,H_{in},W_{in},C)$ 。

• argmax (Tensor) - argmax 表示最大值的索引。其shape必须与输入 x 相同。 argmax 的值必须属于 $[0,H_{in}\times W_{in}-1]$ ，数据类型必须为int32或int64。

输出：

Tensor，其shape为 $(N,C,H_{out},W_{out})$ 或 $(N,H_{out},W_{out},C)$ ， 与 x 的数据类型相同。

异常：

• TypeError - 如果 x 或 argmax 的数据类型不支持。

• TypeError - 如果 ksize 、 strides 或 pads 既不是int又不是tuple。

• ValueError - 如果 strides (也支持0和(0, 0)) 或 ksize 的值不是正数。

• ValueError - 如果 pads 的值是负数。

• ValueError - 如果 ksize 、 strides 或 pads 不是长度为2的tuple。

• ValueError - 如果 data_format 不是str，同时也不是 "NCHW" 或 "NHWC" 。

• ValueError - 如果 output_shape 的长度不是0或4。

• ValueError - 如果 output_shape 不在由 ksize 、 strides 和 pads 计算出的输出尺寸范围内。

支持平台：

Ascend GPU CPU

样例：

>>> import numpy as np
>>> from mindspore import Tensor, ops
>>> x = Tensor(np.array([[[[0, 1], [8, 9]]]]).astype(np.float32))
>>> argmax = Tensor(np.array([[[[0, 1], [2, 3]]]]).astype(np.int64))
>>> maxunpool2d = ops.MaxUnpool2D(ksize=1, strides=1, pads=0)
>>> output = maxunpool2d(x, argmax)
>>> print(output.asnumpy())
[[[[0. 1.]
    [8. 9.]]]]