比较与torch.nn.MaxPool3d的功能差异

torch.nn.MaxPool3d

torch.nn.MaxPool3d(
    kernel_size=1,
    stride=None,
    padding=0,
    dilation=1,
    return_indices=False,
    ceil_mode=False
)

更多内容详见torch.nn.MaxPool3d。

mindspore.ops.MaxPool3D

class mindspore.ops.MaxPool3D(
    kernel_size=1,
    strides=1,
    pad_mode='valid',
    pad_list=0,
    ceil_mode=None,
    data_format='NCDHW'
)(input)

更多内容详见mindspore.ops.MaxPool3D。

使用方式

PyTorch：同时支持五维数据 (N, C, Din, Hin, Win) 和四维数据(C, Din, Hin, Win)。

MindSpore：仅支持五维数据(N, C, Din, Hin, Win)。

迁移建议：如需要MindSpore MaxPool3D处理四维输入，可以用ExpandDims算子将原始输入维度扩张为(1, C, Din, Hin, Win)，传入MaxPool3D后再将输出用Squeeze算子将维度由(1, C, Dout, Hout, Wout)转为(C, Dout, Hout, Wout)。

代码示例

import mindspore as ms
import mindspore.ops as ops
import torch
import numpy as np

# In MindSpore
net = ops.MaxPool3D((3, 2, 2), strides=2)
x = ms.Tensor(np.ones([20, 16, 50, 44, 31]), ms.float32)
output = net(x).shape
print(output)
# Out:
# (20, 16, 24, 22, 15)

# In PyTorch
m = torch.nn.MaxPool3d((3, 2, 2), stride=2)
input = torch.rand(20, 16, 50, 44, 31)
output = m(input).shape
print(output)
# Out：
# torch.Size([20, 16, 24, 22, 15])