mindspore.ops.MaxPool3D

class mindspore.ops.MaxPool3D(kernel_size=1, strides=1, pad_mode='VALID', pad_list=0, ceil_mode=None, data_format='NCDHW')[源代码]

对输入的多维数据进行三维的最大池化运算。

一般，输入shape为 \((N_{in}, C_{in}, D_{in}, H_{in}, W_{in})\) 的Tensor，输出 \((D_{in}, H_{in}, W_{in})\) 维上的区域最大值。给定 kernel_size 为 \((kD,kH,kW)\) 和 stride ，运算如下：

\[\text{output}(N_i, C_j, d, h, w) = \max_{l=0, \ldots, kD-1} \max_{m=0, \ldots, kH-1} \max_{n=0, \ldots, kW-1} \text{input}(N_i, C_j, stride[0] \times d + l, stride[1] \times h + m, stride[2] \times w + n)\]

参数：

kernel_size (Union[int, tuple[int]]) - 指定池化核尺寸大小。整数类型，表示池化核深度、高和宽，或者是三个整数组成的元组，表示深、高和宽。默认值：1。
strides (Union[int, tuple[int]]) - 池化操作的移动步长，整数类型，表示深、高和宽的移动步长，或者是三个整数组成的元组，表示深、高和宽移动步长。默认值：1。
pad_mode (str) - 指定池化填充模式，可选值有：”same”、”valid”或”pad”。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。
- pad：对输入进行填充。在输入的深度、高度和宽度方向上填充 pad 大小的0。如果设置此模式， pad_list 必须大于或等于0。
pad_list (Union(int, tuple[int])) - 池化填充方式。默认值：0。如果 pad 是一个整数，则头尾部、顶部，底部，左边和右边的填充都是相同的，等于 pad 。如果 pad 是六个整数的tuple，则头尾部、顶部、底部、左边和右边的填充分别等于填充pad[0]、pad[1]、pad[2]、pad[3]、pad[4]和pad[5]。
ceil_mode (Union[bool, None]) - 是否使用ceil函数计算输出高度和宽度。默认值：None。
data_format (str) - 输入和输出的数据格式。目前仅支持’NCDHW’。默认值：’NCDHW’。

输入：

x (Tensor) - shape为 \((N, C, D_{in}, H_{in}, W_{in})\) 的Tensor。数据类型为float16或float32。

输出：

Tensor，shape为 \((N, C, D_{out}, H_{out}, W_{out})\) 。数据类型与 x 相同。

异常：

TypeError - kernel_size 或 strides 既不是int也不是元组。
TypeError - pad_mode 或 data_format 不是str。
ValueError - kernel_size 或 strides 不是正数。
ValueError - pad_mode 不是’same’，’valid’，或’pad’。
ValueError - pad_mode 取值为’same’或’valid’， ceil_mode 取值不是None。
ValueError - kernel_size 或 strides 是长度不等于3的元组。
ValueError - data_format 不是’NCDHW’。

支持平台：: Ascend GPU CPU

样例：

>>> x = Tensor(np.arange(1 * 2 * 2 * 2 * 3).reshape((1, 2, 2, 2, 3)), mindspore.float32)
>>> max_pool3d = ops.MaxPool3D(kernel_size=2, strides=1, pad_mode="valid")
>>> output = max_pool3d(x)
>>> print(output)
[[[[[10. 11.]]]
  [[[22. 23.]]]]]