mindspore.ops.AvgPool
- class mindspore.ops.AvgPool(kernel_size=1, strides=1, pad_mode='valid', data_format='NCHW')[源代码]
对输入的多维数据进行二维平均池化运算。
更多参考详见
mindspore.ops.avg_pool2d()
。参数:
kernel_size (Union[int, tuple[int]]) - 指定池化核尺寸大小,可以是单个整数表示池化核高度和宽度,或者整数tuple分别表示池化核高度和宽度。默认值:1。
strides (Union[int, tuple[int]]) - 池化操作的移动步长,可以是单个整数表示高度和宽度方向的移动步长,或者整数tuple分别表示高度和宽度方向的移动步长。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 - 输出的高度和宽度分别与输入向上整除 strides 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) - 指定输入和输出的数据格式。取值为’NHWC’或’NCHW’。默认值:’NCHW’。
输入:
x (Tensor) - 输入shape为 \((N, C_{in}, H_{in}, W_{in})\) 的Tensor。
输出:
Tensor,shape为 \((N,C_{out},H_{out},W_{out})\) 。
异常:
TypeError - kernel_size 或 strides 既不是int也不是tuple。
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:
>>> class Net(nn.Cell): ... def __init__(self): ... super(Net, self).__init__() ... self.avgpool_op = ops.AvgPool(pad_mode="VALID", kernel_size=2, strides=1) ... ... def construct(self, x): ... result = self.avgpool_op(x) ... return result ... >>> x = Tensor(np.arange(1 * 3 * 3 * 4).reshape(1, 3, 3, 4), mindspore.float32) >>> net = Net() >>> output = net(x) >>> print(output) [[[[ 2.5 3.5 4.5] [ 6.5 7.5 8.5]] [[14.5 15.5 16.5] [18.5 19.5 20.5]] [[26.5 27.5 28.5] [30.5 31.5 32.5]]]]