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_sizestrides 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_sizestrides 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]]]]