mindspore.ops.avg_pool1d

mindspore.ops.avg_pool1d(input_x, kernel_size=1, stride=1, padding=0, ceil_mode=False, count_include_pad=True)

在输入Tensor上应用1D平均池化，输入Tensor可以看作是由一系列1D平面组成。

一般地，输入的shape为 $(N_{in},C_{in},L_{in})$ ，输出 $(L_{in})$ 维度的区域平均值。给定 kernel_size 为 $ks=l_{ker}$ 和 stride 为 $s=s_0$ ，运算如下：

$$\text{output}(N_i,C_j,l)=\frac{1}{l_{ker}}\sum _{n=0}^{l_{ker}-1}\text{input}(N_i,C_j,s_0\times l+n)$$

警告

kernel_size 取值为[1, 255]范围内的正整数， stride 的取值为[1, 63]范围内的正整数。

参数：

• input_x (Tensor) - 输入shape为 $(N,C_{in},L_{in})$ 的Tensor。

• kernel_size (int，可选) - 指定池化核尺寸大小。默认 1 。

• stride (Union(int, tuple[int])，可选) - 池化操作的移动步长。可以是一个整数或者包含一个整数的tuple。默认 1 。

• padding (Union(int, tuple[int])，可选) - 池化填充长度。可以是一个整数或者包含一个整数的tuple。默认 0 。

• ceil_mode (bool，可选) - 如果为 True ，用ceil代替floor来计算输出的shape。默认 False 。

• count_include_pad (bool，可选) - 如果为 True ，平均计算将包括零填充。默认 True 。

返回：

Tensor，shape为 $(N,C_{out},L_{out})$ 。

异常：

• TypeError - input_x 不是一个Tensor。

• TypeError - kernel_size 或 stride 不是int。

• TypeError - ceil_mode 或 count_include_pad 不是bool。

• ValueError - input_x 的shape长度不等于3。

• ValueError - kernel_size 或 stride 小于1。

• ValueError - padding 不是int或者tuple的长度不等于2。

• ValueError - padding 的值小于0。

支持平台：

Ascend GPU CPU

样例：

>>> import mindspore
>>> import numpy as np
>>> from mindspore import Tensor, ops
>>> input_x = Tensor(np.random.randint(0, 10, [1, 3, 6]), mindspore.float32)
>>> output = ops.avg_pool1d(input_x, kernel_size=6, stride=1)
>>> print(output.shape)
(1, 3, 1)