mindspore.nn.AvgPool1d

class mindspore.nn.AvgPool1d(kernel_size=1, stride=1, pad_mode='valid')[源代码]

对输入的多维数据进行一维平面上的平均池化运算。

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)