mindspore.ops.adaptive_max_pool3d

mindspore.ops.adaptive_max_pool3d(x, output_size, return_indices=False)[源代码]

对由多个平面组成的的输入Tensor，应用三维的自适应最大池化操作。对于任何输入尺寸，指定输出的尺寸都为 \((D, H, W)\)，但是输入和输出特征的数目不会变化。

参数：

x (Tensor) - shape为 \((C, D, H, W)\) 或 \((N，C, D, H, W)\) 的Tensor，支持的数据类型包括int8、int16、int32、int64、uint8、uint16、uint32、uint64、float16、float32、float64。
output_size (Union[int, tuple]) - 表示输出特征图的尺寸，输入可以是个tuple \((D, H, W)\)，也可以是一个int值D来表示输出尺寸为 \((D, D, D)\) 。\(D\) ， \(H\) 和 \(W\) 可以是int型整数或者None，其中None表示输出大小与对应的输入的大小相同。
return_indices (bool，可选) - 如果 return_indices 为True，将会输出最大值对应的索引，否则不输出索引。默认值为False。

返回：

y (Tensor) - Tensor，与输入 x 的数据类型和维度相同。
argmax (Tensor) - Tensor，最大值对应的索引，数据类型为int32，并与 y 的shape相同。仅当 return_indices 为True的时候才返回该值。

异常：

TypeError - x 不是Tensor。
ValueError - x 的维度不是4D或者5D。
TypeError - x 的数据类型不是int8、int16、int32、int64、uint8、uint16、uint32、uint64、float16、float32、float64其中之一。
ValueError - output_size 不是一个int或者shape为(3,)的tuple。

支持平台：

GPU CPU

样例：

>>> x = Tensor(np.arange(0,36).reshape((1, 3, 3, 4)).astype(np.float32))
>>> output_size = (1, 1, 2)
>>> output = ops.adaptive_max_pool3d(x, output_size, True)
>>> print(output[0].asnumpy())
[[[[33. 35.]]]]
>>> print(output[1].asnumpy())
[[[[33 35]]]]