mindspore.ops.avg_pool2d

mindspore.ops.avg_pool2d(x, kernel_size=1, strides=1, pad_mode='valid', data_format='NCHW')

对输入的多维数据进行二维平均池化运算。

一般地，输入的shape为 $(N_{in},C_{in},H_{in},W_{in})$ ，输出 $(H_{in},W_{in})$ 维度的区域平均值。给定 kernel_size 为 $(k_h,k_w)$ 和 strides ，运算如下：

$$\text{output}(N_i,C_j,h,w)=\frac{1}{k_h\ast k_w}\sum _{m=0}^{k_h-1}\sum _{n=0}^{k_w-1}\text{input}(N_i,C_j,strides[0]\times h+m,strides[1]\times w+n)$$

Warning

• 支持全局池化。

• 在Ascend上，kernel_size 的高度和宽度取值为[1, 255]范围内的正整数。 其高度和宽度相乘小于256。

• 由于指令限制，strides 的取值为[1, 63]范围内的正整数。

参数：

• x (Tensor) - 输入shape为 $(N,C_{in},H_{in},W_{in})$ 的Tensor。

• 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’。

返回：

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 - kernel_size 或 strides 小于1。

• 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 - x 的shape长度不等于4。

支持平台：

Ascend GPU CPU

样例：

>>> x = Tensor(np.arange(1 * 3 * 3 * 4).reshape(1, 3, 3, 4), mindspore.float32)
>>> output = ops.avg_pool2d(x, kernel_size=2, strides=1, pad_mode='VALID')
>>> 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]]]]