mindspore.nn.AvgPool1d
- class mindspore.nn.AvgPool1d(kernel_size=1, stride=1, pad_mode='valid')[源代码]
在一个输入Tensor上应用1D平均池化运算,可被视为组成一个1D输入平面。
通常,输入的shape为 \((N_{in}, C_{in}, L_{in})\) ,AvgPool1d在 \((L_{in})\) 维度上输出区域平均值。 给定 kernel_size 为 \(k\) 和 stride ,公式定义如下:
\[\text{output}(N_i, C_j, l) = \frac{1}{k} \sum_{n=0}^{k-1} \text{input}(N_i, C_j, stride \times l + n)\]Note
pad_mode仅支持”same”和”valid”。
- 参数:
kernel_size (int) - 指定池化核尺寸大小,数据类型为整型。默认值:1。
stride (int) - 池化操作的移动步长,数据类型为整型。默认值:1。
pad_mode (str) - 指定池化的填充方式,可选值为”same”或”valid”,不区分大小写。默认值:”valid”。
same - 输出的shape与输入整数 stride 后的值相同。
valid - 在不填充的前提下返回有效计算所得的输出。不满足计算的多余像素会被丢弃。
- 输入:
x (Tensor) - shape为 \((N, C_{in}, L_{in})\) 的Tensor。
- 输出:
shape为 \((N, C_{out}, L_{out})\) 的Tensor。
- 异常:
TypeError - kernel_size 或 stride 不是int。
ValueError - pad_mode 既不是”valid”,也不是”same”,不区分大小写。
ValueError - kernel_size 或 stride 小于1。
ValueError - x 的shape长度不等于3。
- 支持平台:
Ascend
GPU
CPU
样例:
>>> pool = nn.AvgPool1d(kernel_size=6, stride=1) >>> x = Tensor(np.random.randint(0, 10, [1, 3, 6]), mindspore.float32) >>> output = pool(x) >>> result = output.shape >>> print(result) (1, 3, 1)