mindspore.ops.FractionalAvgPool

class mindspore.ops.FractionalAvgPool(pooling_ratio, pseudo_random=False, overlapping=False, deterministic=False, seed=0, seed2=0)[源代码]

在输入上执行分数平均池化。

分数平均池化类似于常规平均池化。在常规平均池中，可以通过获取集合中较小的 N x N 子部分（通常为2x2）的平均值来缩小输入集的大小，

并尝试将集合减少N的因子，其中N是整数。分数平均池化，意味着整体缩减比N不必是整数。在每个池化区域中，执行均值运算。

警告

pooling_ratio 当前只支持行和列轴，并行大于1.0，第一个和最后一个元素必须为1.0，因为我们不允许对batch和通道轴进行池化。

参数：

  • pooling_ratio (list(float)) - 决定了输出的shape，数据类型是floats的列表，长度大于等于4。其值为每个维度的池化比率，目前仅支持行和列维度， 应该大于等于0。第一个和最后一个元素必须为1.0，不支持对batch和通道轴进行池化。

  • pseudo_random (bool，可选) - 当设置为True时，以伪随机方式生成池序列，为False时，以随机方式生成池序列。默认为False。 查看文章 Fractional Max-Pooling 以了解伪随机和随机之间的差异。

  • overlapping (bool，可选) - 当设置为True时，表示两个单元格都使用相邻池化单元边界的值进行池化， 设置为False时，表示值不进行重复使用。默认为False。

  • deterministic (bool，可选) - 当设置为True时，将在计算图中的FractionalAvgPool节点上进行迭代时使用固定池区域。 主要用于单元测试，使FractionalAvgPool具有确定性。当设置为False时，将不使用固定池区域。默认为False。

  • seed (int，可选) - 如果seed或seed2被设置为非零，则随机数生成器由给定的seed生成，否则，它由随机种子生成。默认为0。

  • seed2 (int，可选) - 第二个seed，以避免发生seed碰撞。默认为0。

输入：

  • x (Tensor) - 数据类型必须为：float32、float64、int32、int64。shape为 \((N, H_{in}, W_{in}, C_{in})\) 。

输出：

  • y (Tensor) - 一个Tensor，FractionalAvgPool的输出，与 x 具有相同的数据类型，shape为 \((N, H_{out}, W_{out}, C_{out})\) 。

  • row_pooling_sequence (Tensor) - 一个Tensor，池边界行的结果列表，数据类型为int64。

  • col_pooling_sequence (Tensor) - 一个Tensor，池边界列的结果列表，数据类型为int64。

异常：

  • TypeError - 如果 x 数据类型不是：float32、float64、int32或者int64。

  • TypeError - 如果 x 不是一个4D的Tensor。

  • ValueError - 如果 x 的元素等于0或者小于0。

  • ValueError - 如果 pooling_ratio 是一个列表，其长度不等于4。

  • ValueError - 如果 pooling_ratio 的第一个和最后一个值不等于1.0。

支持平台：

GPU CPU

样例：

>>> x = np.array([1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16]).reshape([1,4,4,1]).astype(np.int64)
>>> pooling_ratio=[1.0,1.5,1.5,1.0]
>>> fractionalavgpool_op = ops.FractionalAvgPool(pooling_ratio=pooling_ratio)
>>> output = fractionalavgpool_op(Tensor(x))
>>> print(output)
(Tensor(shape=[1, 2, 2, 1], dtype=Int64, value=
[[[[ 3],
   [ 5]],
  [[11],
   [13]]]]), Tensor(shape=[3], dtype=Int64, value= [0, 2, 4]), Tensor(shape=[3], dtype=Int64, value= [0, 2, 4]))