mindspore.nn.AvgPool2d

class mindspore.nn.AvgPool2d(kernel_size=1, stride=1, pad_mode='valid', data_format='NCHW')[源代码]

对输入的多维数据进行二维的平均池化运算。

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\((kH,kW)\)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_sizestrides 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_sizestride 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)