mindspore.ops.MaxPool

class mindspore.ops.MaxPool(kernel_size=1, strides=1, pad_mode='valid', data_format='NCHW')[源代码]

对输入的多维数据进行二维的最大池化运算。

在一个输入Tensor上应用2D max pooling，可被视为2D输入平面。

通常，输入的shape为 \((N_{in}, C_{in}, H_{in}, W_{in})\) ，MaxPool在 \((H_{in}, W_{in})\) 维度输出区域最大值。给定 kernel_size 为 \((kH,kW)\) 和 stride ，运算如下：

\[\text{output}(N_i, C_j, h, w) = \max_{m=0, \ldots, kH-1} \max_{n=0, \ldots, kW-1} \text{input}(N_i, C_j, stride[0] \times h + m, stride[1] \times w + n)\]

参数：

kernel_size (Union[int, tuple[int]]) - 指定池化核尺寸大小。由一个整数或者是两个整数组成的tuple，表示高和宽。默认值：1。
strides (Union[int, tuple[int]]) - 池化操作的移动步长，由一个整数或者是两个整数组成的tuple，表示高和宽上的移动步长。默认值：1。
pad_mode (str) - 指定池化填充模式，可选值是’same’或’valid’，不区分大小写。默认值：’valid’。
- same - 输出的高度和宽度分别与输入整除 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) - 输入和输出的数据格式。可选值为’NHWC’或’NCHW’。默认值：’NCHW’。

输入：

x (Tensor) - shape为 \((N, C_{in}, H_{in}, W_{in})\) 的Tensor。

输出：

Tensor，shape为 \((N, C_{out}, H_{out}, W_{out})\) 。

异常：

TypeError - kernel_size 或 strides 既不是int也不是tuple。
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 - iput 的shape长度不等于4。

支持平台：

Ascend GPU CPU

样例：

>>> x = Tensor(np.arange(1 * 3 * 3 * 4).reshape((1, 3, 3, 4)), mindspore.float32)
>>> maxpool_op = ops.MaxPool(pad_mode="VALID", kernel_size=2, strides=1)
>>> output = maxpool_op(x)
>>> print(output)
[[[[ 5.  6.  7.]
   [ 9. 10. 11.]]
  [[17. 18. 19.]
   [21. 22. 23.]]
  [[29. 30. 31.]
   [33. 34. 35.]]]]