文档反馈

问题文档片段

问题文档片段包含公式时，显示为空格。

提交类型

issue

有点复杂...

找人问问吧。

请选择提交类型

问题类型

规范和低错类

- 规范和低错类：

- 错别字或拼写错误，标点符号使用错误、公式错误或显示异常。

- 链接错误、空单元格、格式错误。

- 英文中包含中文字符。

- 界面和描述不一致，但不影响操作。

- 表述不通顺，但不影响理解。

- 版本号不匹配：如软件包名称、界面版本号。

易用性

- 易用性：

- 关键步骤错误或缺失，无法指导用户完成任务。

- 缺少主要功能描述、关键词解释、必要前提条件、注意事项等。

- 描述内容存在歧义指代不明、上下文矛盾。

- 逻辑不清晰，该分类、分项、分步骤的没有给出。

正确性

- 正确性：

- 技术原理、功能、支持平台、参数类型、异常报错等描述和软件实现不一致。

- 原理图、架构图等存在错误。

- 命令、命令参数等错误。

- 代码片段错误。

- 命令无法完成对应功能。

- 界面错误，无法指导操作。

- 代码样例运行报错、运行结果不符。

风险提示

- 风险提示：

- 对重要数据或系统存在风险的操作，缺少安全提示。

内容合规

- 内容合规：

- 违反法律法规，涉及政治、领土主权等敏感词。

- 内容侵权。

请选择问题类型

问题描述

点击输入详细问题描述，以帮助我们快速定位问题。

提交

文档反馈

mindspore.nn.MaxPool2d

class mindspore.nn.MaxPool2d(kernel_size=1, stride=1, pad_mode='valid', padding=0, dilation=1, return_indices=False, ceil_mode=False, data_format='NCHW')

在一个输入Tensor上应用2D最大池化运算，可被视为组成一个2D平面。

通常，输入的shape为 $(N_{in},C_{in},H_{in},W_{in})$ ，MaxPool2d输出 $(H_{in},W_{in})$ 维度区域最大值。给定 kernel_size 为 $(h_{ker},w_{ker})$ ， stride 为 $(s_0,s_1)$，公式如下。

$$\text{output}(N_i,C_j,h,w)=\underset{m=0,\dots ,h_{ker}-1}{max}\underset{n=0,\dots ,w_{ker}-1}{max}\text{input}(N_i,C_j,s_0\times h+m,s_1\times w+n)$$

参数：

• kernel_size (Union[int, tuple[int]]) - 指定池化核尺寸大小，如果为整数或单元素tuple，则代表池化核的高和宽。如果为tuple且长度不为1，其值必须包含两个整数值分别表示池化核的高和宽。默认值：1。

• stride (Union[int, tuple[int]]) - 池化操作的移动步长，如果为整数或单元素tuple，则代表池化核的高和宽方向的移动步长。如果为tuple且长度不为1，其值必须包含两个整数值分别表示池化核的高和宽的移动步长。默认值：1。

• pad_mode (str) - 指定池化填充模式，取值为”same”、”valid”或者”pad”，不区分大小写。默认值：”valid”。

  • same - 输出的shape与输入的shape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。

  • pad - 对输入进行填充。在输入的上下左右分别填充 padding 大小的0。如果设置此模式， padding 必须大于或等于0。

• padding (Union(int, tuple[int], list[int])) - 池化填充值。默认值：0。 padding 只能是一个整数或者包含一个或两个整数的元组，若 padding 为一个整数或者包含一个整数的tuple/list，则会分别在输入的上下左右四个方向进行 padding 次的填充，若 padding 为一个包含两个整数的tuple/list，则会在输入的上下进行 padding[0] 次的填充，在输入的左右进行 padding[1] 次的填充。

• dilation (Union(int, tuple[int])) - 卷积核中各个元素之间的间隔大小，用于提升池化操作的感受野。如果为tuple，其值必须包含一个或两个整数。默认值：1。

• return_indices (bool) - 若为True，将会同时返回最大池化的结果和索引。默认值：False。

• ceil_mode (bool) - 若为True，使用ceil来计算输出shape。若为False，使用floor来计算输出shape。默认值：False。

• data_format (str) - 输入数据格式可为’NHWC’或’NCHW’。默认值：’NCHW’。

输入：

• x (Tensor) - 输入数据的shape为 $(N,C_{in},H_{in},W_{in})$ 或 $(C_{in},H_{in},W_{in})$ 的Tensor。

输出：

如果 return_indices 为False，则是shape为 $(N,C,H_{out},W_{out})$ 或者 $(C_{out},H_{out},W_{out})$ 的Tensor。数据类型与 x 一致。 如果 return_indices 为True，则是一个包含了两个Tensor的Tuple，表示maxpool的计算结果以及生成max值的位置。

• output (Tensor) - 最大池化结果，shape为 $(N_{out},C_{out},H_{out},W_{out})$ 或者 $(C_{out},H_{out},W_{out})$ 的Tensor。数据类型与 x 一致。

• argmax (Tensor) - 最大值对应的索引。数据类型为int64。

其中，如果 pad_mode 为 pad 模式时，输出的shape计算公式如下：

$$H_{out}=\lfloor \frac{H_{in}+2\ast \text{padding[0]}-\text{dilation[0]}\times (\text{kernel\_size[0]}-1)-1}{\text{stride[0]}}+1\rfloor$$

$$W_{out}=\lfloor \frac{W_{in}+2\ast \text{padding[1]}-\text{dilation[1]}\times (\text{kernel\_size[1]}-1)-1}{\text{stride[1]}}+1\rfloor$$

异常：

• TypeError - kernel_size 或 strides 既不是整数也不是元组。

• ValueError - pad_mode 既不是’valid’，也不是’same’ 或者 ‘pad’，不区分大小写。

• ValueError - data_format 既不是’NCHW’也不是’NHWC’。

• ValueError - kernel_size 或 strides 小于1。

• ValueError - x 的shape长度不等于3或4。

• ValueError - 当 pad_mode 不为 ‘pad’ 时，padding、 dilation、 return_indices、 ceil_mode 参数不为默认值。

• ValueError - padding 参数为tuple/list时长度不为2。

• ValueError - dilation 参数为tuple时长度不为2。

• ValueError - dilation 参数不为int也不为tuple。

• ValueError - pad_mode 为 ‘pad’ 时，data_format 为 ‘NHWC’。

• ValueError - pad_mode 不为 “pad” 的时候 padding 为非0。

支持平台：

Ascend GPU CPU

样例：

>>> pool = nn.MaxPool2d(kernel_size=3, stride=1)
>>> x = Tensor(np.random.randint(0, 10, [1, 2, 4, 4]), mindspore.float32)
>>> output = pool(x)
>>> print(output.shape)
(1, 2, 2, 2)
>>> np_x = np.random.randint(0, 10, [5, 3, 4, 5])
>>> x = Tensor(np_x, mindspore.float32)
>>> pool2 = nn.MaxPool2d(kernel_size=2, stride=1, pad_mode='pad', padding=1, dilation=1, return_indices=True)
>>> output = pool2(x)
>>> print(output[0].shape)
(5, 3, 5, 6)
>>> print(output[1].shape)
(5, 3, 5, 6)