mindspore.ops.MaxPool3DWithArgmax

class mindspore.ops.MaxPool3DWithArgmax(ksize, strides, pads, dilation=(1, 1, 1), ceil_mode=False, data_format='NCDHW', argmax_type=mstype.int64)[源代码]

三维最大值池化，返回最大值结果及其索引值。

输入是shape为 \((N_{in}, C_{in}, D_{in}, H_{in}, W_{in})\) 的Tensor，输出 \((D_{in}, H_{in}, W_{in})\) 维度中的最大值。给定 ksize \(ks = (d_{ker}, h_{ker}, w_{ker})\)，和 strides \(s = (s_0, s_1, s_2)\)，运算如下：

\[\text{output}(N_i, C_j, d, h, w) = \max_{l=0, \ldots, d_{ker}-1} \max_{m=0, \ldots, h_{ker}-1} \max_{n=0, \ldots, w_{ker}-1} \text{input}(N_i, C_j, s_0 \times d + l, s_1 \times h + m, s_2 \times w + n)\]
参数：

  • ksize (Union[int, tuple[int]]) - 池化核尺寸大小。可以是一个整数表示池化核的深度，高度和宽度，或者包含三个整数的tuple，分别表示池化核的深度，高度和宽度。

  • strides (Union[int, tuple[int]]) - 池化操作的移动步长。可以是一个整数表示在深度，高度和宽度方向的移动步长，或者包含三个整数的tuple，分别表示在深度，高度和宽度方向的移动步长。

  • pads (Union[int, tuple[int]]) - 池化填充长度。可以是一个整数表示在深度，高度和宽度方向的填充长度，或者包含三个整数的tuple，分别表示在深度，高度和宽度方向的填充长度。

  • dilation (Union[int, tuple[int]]) - 控制池化核内元素的间距。默认为(1, 1, 1)。

  • ceil_mode (bool) - 是否是用ceil代替floor来计算输出的shape。默认为False。

  • data_format (str) - 选择输入数据格式，当前仅支持’NDCHW’。默认为’NDCHW’。

  • argmax_type (mindspore.dtype) - 返回的最大值索引的数据类型。默认为mindspore.int64。

输入：

  • x (Tensor) - shape为 \((N_{in}, C_{in}, D_{in}, H_{in}, W_{in})\) 的Tensor。支持数据类型包括int8、int16、int32、int64、uint8、uint16、uint32、uint64、float16、float32和float64。

输出：

包含两个Tensor的tuple，分别表示最大值结果和最大值对应的索引。

  • output (Tensor) - 输出的池化后的最大值，其数据类型与 x 相同。

  • argmax (Tensor) - 输出的最大值对应的索引，数据类型为int32或者int64。

异常：

  • TypeError - x 不是Tensor。

  • ValueError - x 的维度不是5D。

  • TypeError - ksize 、 strides 、pads 、dilation 不是int或者tuple。

  • ValueError - ksize 或 strides 的元素值小于1。

  • ValueError - pads 的元素值小于0。

  • ValueError - data_format 不是’NCDHW’。

  • ValueError - argmax_type 不是mindspore.int64或mindspore.int32。

支持平台：

GPU

样例：

>>> x = Tensor(np.arange(2 * 1 * 2 * 2 * 2).reshape((2, 1, 2, 2, 2)), mindspore.float32)
>>> max_pool3d_with_arg_op = ops.MaxPool3DWithArgmax(ksize=2, strides=1, pads=1)
>>> output_tensor, argmax = max_pool3d_with_arg_op(x)
>>> print(output_tensor.shape)
(2, 1, 3, 3, 3)
>>> print(argmax.shape)
(2, 1, 3, 3, 3)