mindspore.nn.AvgPool2d
- class mindspore.nn.AvgPool2d(kernel_size=1, stride=1, pad_mode='valid', data_format='NCHW')[源代码]
在输入Tensor上应用2D平均池化运算,可视为二维输入平面的组合。
通常,输入的shape为 \((N_{in},C_{in},H_{in},W_{in})\) ,AvgPool2d的输出为 \((H_{in},W_{in})\) 维度的区域平均值。给定 kernel_size 为 \((kH,kW)\) 和 stride ,公式定义如下:
\[\text{output}(N_i, C_j, h, w) = \frac{1}{kH * kW} \sum_{m=0}^{kH-1} \sum_{n=0}^{kW-1} \text{input}(N_i, C_j, stride[0] \times h + m, stride[1] \times w + n)\]Note
pad_mode仅支持”same”和”valid”。
- 参数:
kernel_size (Union[int, tuple[int]]) - 指定池化核尺寸大小。如果为整数,则代表池化核的高和宽。如果为tuple,其值必须包含两个整数值分别表示池化核的高和宽。默认值:1。
stride (Union[int, tuple[int]]) - 池化操作的移动步长,如果为整数,则代表池化核的高和宽方向的移动步长。如果为tuple,其值必须包含两个整数值分别表示池化核的高和宽的移动步长。默认值:1。
pad_mode (str) - 指定池化填充模式,可选值为”same”或”valid”,不区分大小写。默认值:”valid”。
same: 输出的宽度与输入整数 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。
data_format (str) - 输入数据格式可为’NHWC’或’NCHW’。默认值:’NCHW’。
- 输入:
x (Tensor) - 输入数据的shape为 \((N,C_{in},H_{in},W_{in})\) 的Tensor。
- 输出:
输出数据的shape为 \((N,C_{out},H_{out},W_{out})\) 的Tensor。
- 异常:
TypeError - kernel_size 或 strides 既不是整数也不是元组。
ValueError - pad_mode 既不是’valid’,也不是’same’,不区分大小写。
ValueError - data_format 既不是’NCHW’,也不是’NHWC’。
ValueError - kernel_size 或 stride 小于1。
ValueError - x 的shape长度不等于4。
- 支持平台:
Ascend
GPU
CPU
样例:
>>> pool = nn.AvgPool2d(kernel_size=3, stride=1) >>> x = Tensor(np.random.randint(0, 10, [1, 2, 4, 4]), mindspore.float32) >>> output = pool(x) >>> print(output.shape) (1, 2, 2, 2)