mindspore.ops.adaptive_max_pool1d

mindspore.ops.adaptive_max_pool1d(input, output_size)

对可以看作是由一系列1D平面组成的输入Tensor，应用一维自适应最大池化操作。

通常，输入的shape为 \((N, C, L_{in})\)，adaptive_max_pool1d输出区域最大值在 \(L_{in}\) 区间。 输出的shape为 \((N, C, L_{out})\)，其中 \(L_{out}\) 由 output_size 定义。

说明

• \(L_{in}\) 必须能被 output_size 整除。

• Ascend平台input参数仅支持float16类型。

参数：

• input (Tensor) - 输入shape为 \((N, C, L_{in})\)，数据类型为float16、float32。

• output_size (int) - 大小为 \(L_{out}\) 。

返回：

Tensor，数据类型与 input 相同。 输出的shape为 \((N, C, L_{out})\) 。

异常：

• TypeError - 如果 output_size 不是int类型。

• TypeError - 如果 input 的数据类型不是float16或者float32。

• ValueError - 如果 output_size 小于1。

• ValueError - 如果 input 的维度不等于3。

• ValueError - 如果 input 的最后一维尺寸小于 output_size 。

• ValueError - 如果 input 的最后一维尺寸不能被 output_size 整除。

支持平台：

Ascend GPU CPU

样例：

>>> import mindspore
>>> import numpy as np
>>> from mindspore import Tensor, ops
>>> input = Tensor(np.random.randint(0, 10, [1, 3, 6]), mindspore.float32)
>>> output = ops.adaptive_max_pool1d(input, output_size=2)
>>> print(output.shape)
(1, 3, 2)