文档反馈

问题文档片段

问题文档片段包含公式时，显示为空格。

提交类型

issue

有点复杂...

找人问问吧。

PR

小问题，全程线上修改...

一键搞定！

请选择提交类型

问题类型

规范和低错类

- 规范和低错类：

- 错别字或拼写错误，标点符号使用错误、公式错误或显示异常。

- 链接错误、空单元格、格式错误。

- 英文中包含中文字符。

- 界面和描述不一致，但不影响操作。

- 表述不通顺，但不影响理解。

- 版本号不匹配：如软件包名称、界面版本号。

易用性

- 易用性：

- 关键步骤错误或缺失，无法指导用户完成任务。

- 缺少主要功能描述、关键词解释、必要前提条件、注意事项等。

- 描述内容存在歧义指代不明、上下文矛盾。

- 逻辑不清晰，该分类、分项、分步骤的没有给出。

正确性

- 正确性：

- 技术原理、功能、支持平台、参数类型、异常报错等描述和软件实现不一致。

- 原理图、架构图等存在错误。

- 命令、命令参数等错误。

- 代码片段错误。

- 命令无法完成对应功能。

- 界面错误，无法指导操作。

- 代码样例运行报错、运行结果不符。

风险提示

- 风险提示：

- 对重要数据或系统存在风险的操作，缺少安全提示。

内容合规

- 内容合规：

- 违反法律法规，涉及政治、领土主权等敏感词。

- 内容侵权。

请选择问题类型

问题描述

点击输入详细问题描述，以帮助我们快速定位问题。

提交

文档反馈

mindspore.ops.max_pool2d

mindspore.ops.max_pool2d(x, kernel_size, stride=None, padding=0, dilation=1, return_indices=False, ceil_mode=False)

二维最大值池化。

输入是shape为 $(N_{in},C_{in},H_{in},W_{in})$ 的Tensor，输出 $(H_{in},W_{in})$ 维度中的最大值。给定 kernel_size $ks=(h_{ker},w_{ker})$ 和 stride $s=(s_0,s_1)$，运算如下：

$$\text{output}(N_i,C_j,h,w)=\underset{m=0,\dots ,h_{ker}-1}{max}\underset{n=0,\dots ,w_{ker}-1}{max}\text{input}(N_i,C_j,s_0\times h+m,s_1\times w+n)$$

参数：

• x (Tensor) - shape为 $(N_{in},C_{in},H_{in},W_{in})$ 的Tensor。在CPU和GPU上，支持数据类型包括int8、int16、int32、int64、uint8、uint16、uint32、uint64、float16、float32和float64。在Ascend上，数据类型仅支持float16。

• kernel_size (Union[int, tuple[int]]) - 池化核尺寸大小。可以是一个整数表示池化核的高度和宽度，或者包含两个整数的tuple，分别表示池化核的高度和宽度。

• stride (Union[int, tuple[int]]) - 池化操作的移动步长。可以是一个整数表示在高度和宽度方向的移动步长，或者包含两个整数的tuple，分别表示在高度和宽度方向的移动步长。默认 None ，表示移动步长为 kernel_size 。

• padding (Union[int, tuple[int]]) - 池化填充长度。可以是一个整数表示在高度和宽度方向的填充长度，或者包含两个整数的tuple，分别表示在高度和宽度方向的填充长度。默认为 0。

• dilation (Union[int, tuple[int]]) - 控制池化核内元素的间距。默认为 1。

• return_indices (bool) - 是否输出最大值的索引。默认为 False。

• ceil_mode (bool) - 是否使用ceil代替floor来计算输出的shape。默认为 False。

返回：

当 return_indices 是 False 时，输出单个 output 张量，否则输出一个包含 output 张量和 argmax 张量的元组。

• output (Tensor) - 输出的池化后的最大值，shape为 $(N_{out},C_{out},H_{out},W_{out})$ 。其数据类型与 x 相同。

  $$H_{out}=\lfloor \frac{H_{in}+2\ast \text{padding[0]}-\text{dilation[0]}\times (\text{kernel\_size[0]}-1)-1}{\text{stride[0]}}+1\rfloor$$
  $$W_{out}=\lfloor \frac{W_{in}+2\ast \text{padding[1]}-\text{dilation[1]}\times (\text{kernel\_size[1]}-1)-1}{\text{stride[1]}}+1\rfloor$$

• argmax (Tensor) - 输出的最大值对应的索引，在CPU和GPU上，数据类型为int64。在Ascend上，数据类型为uint16。仅当 return_indices 为True的时候才返回该值。

异常：

• TypeError - x 不是Tensor。

• ValueError - x 的维度不是4D。

• TypeError - kernel_size 、stride 、padding 、dilation 不是int或者tuple。

• ValueError - kernel_size、stride 或者 dilation 的元素值小于1。

• ValueError - padding 的元素值小于0。

• ValueError - padding 的元素值大于 kernel_size 的一半。

• TypeError - ceil_mode 不是bool类型。

支持平台：

Ascend GPU CPU

样例：

>>> import mindspore
>>> import numpy as np
>>> from mindspore import Tensor, ops
>>> x = Tensor(np.arange(20 * 16 * 50 * 32).reshape((20, 16, 50, 32)), mindspore.float32)
>>> output_tensor, argmax = ops.max_pool2d(x, kernel_size=(3, 2), stride=(2, 1), return_indices=True)
>>> print(output_tensor.shape)
(20, 16, 24, 31)
>>> print(argmax.shape)
(20, 16, 24, 31)