mindspore.nn.MaxPool2d

class mindspore.nn.MaxPool2d(kernel_size=1, stride=1, pad_mode='valid', data_format='NCHW')

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，可被视为组成一个2D平面。

通常，输入的形状为 $(N_{in},C_{in},H_{in},W_{in})$ ，MaxPool2d输出 $(H_{in},W_{in})$ 维度区域最大值。给定 kernel_size 为 $(kH,kW)$ 和 stride ，公式如下。

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

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，取值为”same”或”valid”，不区分大小写。默认值：”valid”。

  • same - 输出的宽度于输入整数 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) - shape为 $(N,C_{in},H_{in},W_{in})$ 的Tensor。

输出：

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

异常：

• TypeError - kernel_size 或 strides 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_size 或 strides 小于1。

• ValueError - x 的shape长度不等于4。

支持平台：

Ascend GPU CPU

样例：

>>> pool = nn.MaxPool2d(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)