mindspore.ops.max_unpool2d

mindspore.ops.max_unpool2d(x, indices, kernel_size, stride=None, padding=0, output_size=None)

max_pool2d 的逆过程。

max_unpool2d 在计算过程中，保留最大值位置的元素，并将非最大值位置元素设置为0。 支持的输入数据格式为 $(N,C,H_{in},W_{in})$ 或 $(C,H_{in},W_{in})$ ， 输出数据的格式为 $(N,C,H_{out},W_{out})$ 或 $(C,H_{out},W_{out})$ ，计算公式如下：

$$\begin{array}{r}\begin{array}{l}\\ H_{out}=(Hin-1)\times stride[0]-2\times padding[0]+kernel\mathrm{\_}size[0]\\ W_{out}=(Win-1)\times stride[1]-2\times padding[1]+kernel\mathrm{\_}size[1]\end{array}\end{array}$$

参数：

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

• indices (Tensor) - 最大值的索引。shape必须与输入 x 相同。取值范围需满足 $[0,H_{in}\times W_{in}-1]$ 。 数据类型必须是int32或int64。

• kernel_size (Union[int, tuple[int]]) - 池化核尺寸大小。int类型表示池化核的长宽相同。 tuple类型中的两个值分别代表池化核的长和宽。

• stride (Union[int, tuple[int]]) - 池化操作的移动步长，int类型表示长宽方向的移动步长相同。 tuple中的两个值分别代表长宽方向移动的步长。默认 None ，表示移动步长为 kernel_size 。

• padding (Union[int, tuple[int]]) - 填充值。默认 0 。若为int类型，则长宽方向的填充大小相同，均为 padding 。 若为tuple类型，则tuple中的两个值分别代表长宽方向填充的大小。

• output_size (tuple[int]，可选) - 输出shape。默认 None 。 如果output_size为()，那么输出shape根据 kernel_size 、 stride 和 padding 计算得出。 如果output_size不为()，那么 output_size 必须满足格式 $(N,C,H,W)$ ， $(C,H,W)$ 或 $(H,W)$ ，取值范围需满足： $[(N,C,H_{out}-stride[0],W_{out}-stride[1]),(N,C,H_{out}+stride[0],W_{out}+stride[1])]$。

返回：

shape为 $(N,C,H_{out},W_{out})$ 或 $(C,H_{out},W_{out})$ 的Tensor，数据类型与输入 x 相同。

异常：

• TypeError - x 或 indices 的数据类型不支持。

• TypeError - kernel_size 、 stride 或 padding 既不是整数也不是tuple。

• ValueError - stride 、 padding 或 kernel_size 的值不是非负的。

• ValueError - x 和 indices 的shape不一致。

• ValueError - kernel_size 、 stride 或 padding 为tuple时长度不等于2。

• ValueError - x 的长度不为3或4。

• ValueError - output_size 的类型不是tuple。

• ValueError - output_size 的长度不为0、3或4。

• ValueError - output_size 的取值与根据 kernel_size 、 stride 、 padding 计算得到的结果差距太大。

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))
>>> indices = Tensor(np.array([[[[0, 1], [2, 3]]]]).astype(np.int64))
>>> output = ops.max_unpool2d(x, indices, kernel_size=1, stride=1, padding=0)
>>> print(output.asnumpy())
[[[[0. 1.]
   [8. 9.]]]]