mindspore.ops.MaxPool

class mindspore.ops.MaxPool(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的最大池化运算。

在一个输入Tensor上应用2D max pooling,可被视为2D输入平面。

通常,输入的shape为 \((N_{in}, C_{in}, H_{in}, W_{in})\) ,MaxPool在 \((H_{in}, W_{in})\) 维度输出区域最大值。给定 kernel_size\((kH,kW)\)stride ,运算如下:

\[\text{output}(N_i, C_j, h, w) = \max_{m=0, \ldots, kH-1} \max_{n=0, \ldots, kW-1} \text{input}(N_i, C_j, stride[0] \times h + m, stride[1] \times w + n)\]
参数:
  • kernel_size (Union[int, tuple[int]]) - 指定池化核尺寸大小。由一个整数或者是两个整数组成的tuple,表示高和宽。默认值:1。

  • strides (Union[int, tuple[int]]) - 池化操作的移动步长,由一个整数或者是两个整数组成的tuple,表示高和宽上的移动步长。默认值:1。

  • pad_mode (str) - 指定池化填充模式,可选值是’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整除 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。

  • data_format (str) - 输入和输出的数据格式。可选值为’NHWC’或’NCHW’。默认值:’NCHW’。

输入:
  • x (Tensor) - 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 - iput 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)
>>> maxpool_op = ops.MaxPool(pad_mode="VALID", kernel_size=2, strides=1)
>>> output = maxpool_op(x)
>>> print(output)
[[[[ 5.  6.  7.]
   [ 9. 10. 11.]]
  [[17. 18. 19.]
   [21. 22. 23.]]
  [[29. 30. 31.]
   [33. 34. 35.]]]]