mindspore.ops.adaptive_max_pool2d
- mindspore.ops.adaptive_max_pool2d(input, output_size, return_indices=False)[源代码]
对输入Tensor，提供二维自适应最大池化操作。即对于输入任何尺寸，指定输出的尺寸都为H * W。但是输入和输出特征的数目不会变化。
输入和输出数据格式可以是"NCHW"和"CHW"。N是批处理大小，C是通道数，H是特征高度，W是特征宽度。运算如下：
\[\begin{split}\begin{align} h_{start} &= floor(i * H_{in} / H_{out})\\ h_{end} &= ceil((i + 1) * H_{in} / H_{out})\\ w_{start} &= floor(j * W_{in} / W_{out})\\ w_{end} &= ceil((j + 1) * W_{in} / W_{out})\\ Output(i,j) &= {\max Input[h_{start}:h_{end}, w_{start}:w_{end}]} \end{align}\end{split}\]说明
Ascend平台input参数仅支持float16类型。
- 参数：
input (Tensor) - adaptive_max_pool2d的输入，为三维或四维的Tensor，数据类型为float16、float32或者float64。
output_size (Union[int, tuple]) - 输出特征图的size。 output_size 可以为二元tuple表示 \((H, W)\)。或者是单个int表示 \((H, H)\) 。 \(H\) 和 \(W\) 可以是int或None，如果是None，则意味着输出的size与输入相同。
return_indices (bool) - 如果为
True，输出最大值的索引，默认值为False。
- 返回：
Tensor，数据类型和维度与 input 相同。
- 异常：
TypeError - input 不是Tensor。
TypeError - input 中的数据不是float16、float32、float64。
TypeError - output_size 不是int或者tuple。
TypeError - return_indices 不是bool。
ValueError - output_size 是tuple，但大小不是2。
ValueError - input 的格式不是"CHW"或者"NCHW"。
- 支持平台：
AscendGPUCPU
样例：
>>> import mindspore >>> import numpy as np >>> from mindspore import Tensor, ops >>> # case 1: output_size=(None, 2) >>> input = Tensor(np.array([[[[1.0, 2.0, 3.0], [4.0, 5.0, 6.0], [7.0, 8.0, 9.0]], ... [[1.0, 2.0, 3.0], [4.0, 5.0, 6.0], [7.0, 8.0, 9.0]], ... [[1.0, 2.0, 3.0], [4.0, 5.0, 6.0], [7.0, 8.0, 9.0]]]]), mindspore.float32) >>> output = ops.adaptive_max_pool2d(input, (None, 2)) >>> print(output) [[[[2. 3.] [5. 6.] [8. 9.]] [[2. 3.] [5. 6.] [8. 9.]] [[2. 3.] [5. 6.] [8. 9.]]]] >>> # case 2: output_size=2 >>> output = ops.adaptive_max_pool2d(input, 2) >>> print(output) [[[[5. 6.] [8. 9.]] [[5. 6.] [8. 9.]] [[5. 6.] [8. 9.]]]] >>> # case 3: output_size=(1, 2) >>> output = ops.adaptive_max_pool2d(input, (1, 2)) >>> print(output) [[[[8. 9.]] [[8. 9.]] [[8. 9.]]]]