mindspore.nn.MaxPool1d
- class mindspore.nn.MaxPool1d(kernel_size=1, stride=1, pad_mode='valid')[源代码]
在一个输入Tensor上应用1D最大池化运算,该Tensor可被视为一维平面的组合。
通常,输入的shape为 \((N_{in}, C_{in}, L_{in})\) ,MaxPool1d输出 \((L_{in})\) 维度区域最大值。 给定 kernel_size 和 stride ,公式如下:
\[\text{output}(N_i, C_j, l) = \max_{n=0, \ldots, kernel\_size-1} \text{input}(N_i, C_j, stride \times l + n)\]Note
pad_mode仅支持”same”和”valid”。
- 参数:
kernel_size (int) - 指定池化核尺寸大小。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) - 指定池化填充模式,取值为”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。
- 输入:
x (Tensor) - shape为 \((N, C, L_{in})\) 的Tensor。
- 输出:
shape为 \((N, C, L_{out})\) 的Tensor。
- 异常:
TypeError - kernel_size 或 strides 不是整数。
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 strides 小于1。
ValueError - x 的shape长度不等于4。
- 支持平台:
Ascend
GPU
CPU
样例:
>>> max_pool = nn.MaxPool1d(kernel_size=3, stride=1) >>> x = Tensor(np.random.randint(0, 10, [1, 2, 4]), mindspore.float32) >>> output = max_pool(x) >>> result = output.shape >>> print(result) (1, 2, 2)