文档反馈

问题文档片段

问题文档片段包含公式时，显示为空格。

提交类型

issue

有点复杂...

找人问问吧。

请选择提交类型

问题类型

规范和低错类

- 规范和低错类：

- 错别字或拼写错误，标点符号使用错误、公式错误或显示异常。

- 链接错误、空单元格、格式错误。

- 英文中包含中文字符。

- 界面和描述不一致，但不影响操作。

- 表述不通顺，但不影响理解。

- 版本号不匹配：如软件包名称、界面版本号。

易用性

- 易用性：

- 关键步骤错误或缺失，无法指导用户完成任务。

- 缺少主要功能描述、关键词解释、必要前提条件、注意事项等。

- 描述内容存在歧义指代不明、上下文矛盾。

- 逻辑不清晰，该分类、分项、分步骤的没有给出。

正确性

- 正确性：

- 技术原理、功能、支持平台、参数类型、异常报错等描述和软件实现不一致。

- 原理图、架构图等存在错误。

- 命令、命令参数等错误。

- 代码片段错误。

- 命令无法完成对应功能。

- 界面错误，无法指导操作。

- 代码样例运行报错、运行结果不符。

风险提示

- 风险提示：

- 对重要数据或系统存在风险的操作，缺少安全提示。

内容合规

- 内容合规：

- 违反法律法规，涉及政治、领土主权等敏感词。

- 内容侵权。

请选择问题类型

问题描述

点击输入详细问题描述，以帮助我们快速定位问题。

提交

文档反馈

mindspore.nn.AdaptiveAvgPool1d

class mindspore.nn.AdaptiveAvgPool1d(output_size)

对输入的多维数据进行一维平面上的自适应平均池化运算。

通常，输入的shape为 $(N_{in},C_{in},L_{in})$ ，AdaptiveAvgPool1d在 $L_{in}$ 维度上输出区域平均值。 输出的shape为 $(N_{in},C_{in},L_{out})$ ，其中， $L_{out}$ 为 output_size。

Note

$L_{in}$ 必须能被 output_size 整除。

参数：

• output_size (int) - 目标输出大小 $L_{out}$。

输入：

• x (Tensor) - shape为 $(N,C_{in},L_{in})$ 的Tensor，数据类型为float16或float32。

输出：

Tensor，其shape为 $(N,C_{in},L_{out})$，数据类型与 x 相同。

异常：

• TypeError - output_size 不是int。

• TypeError - x 不是float16或float32。

• ValueError - output_size 小于1。

• ValueError - x 的shape长度不等于3。

• ValueError - x 的最后一个维度小于 output_size。

• ValueError - x 的最后一个维度不能被 output_size 整除。

支持平台：

Ascend GPU CPU

样例：

>>> import mindspore
>>> from mindspore import Tensor, nn
>>> import numpy as np
>>> pool = nn.AdaptiveAvgPool1d(output_size=2)
>>> x = Tensor(np.random.randint(0, 10, [1, 3, 6]), mindspore.float32)
>>> output = pool(x)
>>> result = output.shape
>>> print(result)
(1, 3, 2)