mindspore.nn.AdaptiveMaxPool2d

class mindspore.nn.AdaptiveMaxPool2d(output_size, return_indices=False)[源代码]

二维自适应最大池化运算。

对输入Tensor，提供二维自适应最大池化操作。对于输入任何格式，指定输出的格式都为H * W。但是输入和输出特征的数目不会变化。

输入和输出数据格式可以是”NCHW”和”CHW”。N是批处理大小，C是通道数，H是特征高度，W是特征宽度。运算如下：

\[\begin{split}\begin{align} h_{start} &= floor(i * H_{in} / H_{out})\\ h_{end} &= ceil((i + 1) * H_{in} / H_{out})\\ w_{start} &= floor(j * W_{in} / W_{out})\\ w_{end} &= ceil((j + 1) * W_{in} / W_{out})\\ Output(i,j) &= {\max Input[h_{start}:h_{end}, w_{start}:w_{end}]} \end{align}\end{split}\]

Note

Ascend平台input_x输入仅支持float16类型。

参数：

output_size (Union[int, tuple]) - 输出特征图的尺寸为H * W。可以是int类型的H和W组成的tuple，也可以为一个int值，代表相同H和W，或None，如果是None，则意味着输出大小与输入相同。
return_indices (bool) - 如果为True，输出最大值的索引，默认值为False。

输入：

input_x (Tensor) - AdaptiveMaxPool2d的输入，为三维或四维的Tensor，数据类型为float16、float32或者float64。

输出：

Tensor，数据类型与 input_x 相同。

输出的shape为 input_x_shape[:len(input_x_shape) - len(out_shape)] + out_shape 。

异常：

TypeError - input_x 不是Tensor。
TypeError - input_x 中的数据不是float16, float32, float64.
TypeError - output_size 不是int或者tuple。
TypeError - return_indices 不是bool。
ValueError - output_size 是tuple，但大小不是2。
ValueError - input_x 的维度不是CHW或者NCHW。

支持平台：

Ascend GPU CPU

样例：

>>> # case 1: output_size=(None, 2)
>>> input_x = Tensor(np.array([[[[1.0, 2.0, 3.0], [4.0, 5.0, 6.0], [7.0, 8.0, 9.0]],
...                             [[1.0, 2.0, 3.0], [4.0, 5.0, 6.0], [7.0, 8.0, 9.0]],
...                             [[1.0, 2.0, 3.0], [4.0, 5.0, 6.0], [7.0, 8.0, 9.0]]]]), mindspore.float32)
>>> adaptive_max_pool_2d = nn.AdaptiveMaxPool2d((None, 2))
>>> output = adaptive_max_pool_2d(input_x)
>>> print(output)
[[[[2. 3.]
   [5. 6.]
   [8. 9.]]
  [[2. 3.]
   [5. 6.]
   [8. 9.]]
  [[2. 3.]
   [5. 6.]
   [8. 9.]]]]
>>> # case 2: output_size=2
>>> adaptive_max_pool_2d = nn.AdaptiveMaxPool2d(2)
>>> output = adaptive_max_pool_2d(input_x)
>>> print(output)
[[[[5. 6.]
   [8. 9.]]
  [[5. 6.]
   [8. 9.]]
  [[5. 6.]
   [8. 9.]]]]
>>> # case 3: output_size=(1, 2)
>>> adaptive_max_pool_2d = nn.AdaptiveMaxPool2d((1, 2))
>>> output = adaptive_max_pool_2d(input_x)
>>> print(output)
[[[[8. 9.]]
  [[8. 9.]]
  [[8. 9.]]]]