mindspore.ops.ExtractVolumePatches

class mindspore.ops.ExtractVolumePatches(kernel_size, strides, padding)

从输入中提取数据，并将它放入”depth”输出维度中，”depth”为输出的第二维。

警告

这是一个实验性API，后续可能修改或删除。

参数：

• kernel_size (Union[int, tuple[int], list[int]]) - 长度为3或5的int列表。输入每个维度表示滑动窗口大小。必须是： $[1,1,k_d,k_h,k_w]$ 或 $[k_d,k_h,k_w]$ 。如果 $k_d=k_h=k_w$ ，则可以输入整数。

• strides (Union[int, tuple[int], list[int]]) - 长度为3或5的int列表。 两个连续色块的中心在输入中的距离。必须是： $[1,1,s_d,s_h,s_w]$ 或 $[s_d,s_h,s_w]$ 。如果 $s_d=s_h=s_w$ ，则可以输入整数。

• padding (str) - 要使用的填充算法的类型。可选值有”SAME”和”VALID”。

输入：

• input_x (Tensor) - 一个五维的输入Tensor。数据类型必须为float16、float32，shape为 $(x_n,x_c,x_d,x_h,x_w)$ 。

输出：

Tensor，与输入的类型相同。如果填充为”VALID”，则shape为 $(x_n,k_d\ast k_h\ast k_w\ast x_c,1+(x_d-k_d)/s_d,1+(x_h-k_h)/s_h,1+(x_w-k_w)/s_w)$ ；如果填充”SAME”，则shape为 $(x_n,k_d\ast k_h\ast k_w\ast x_c,(x_d+s_d-1)/s_d,(x_h+s_h-1)/s_h,(x_w+s_w-1)/s_w)$ 。

异常：

• TypeError - 如果 kernel_size 或 strides 不是一个list，tuple或int。

• TypeError - 如果 input_x 不是Tensor。

• TypeError - 如果 padding 不是str。

• ValueError - 如果 kernel_size 的长度不是3或5，并且 kernel_size 不是int。

• ValueError - 如果 strides 的长度不是3或5，并且 strides 不是int。

• ValueError - 如果 padding 既不是”VALID”也不是”SAME”。

• ValueError - 如果 kernel_size 或 strides 的元素不是正整数。

• ValueError - 如果 input_x 不是五维的Tensor。

• ValueError - 如果 input_x 的shape含有0。

• ValueError - 如果 kernel_size 或 strides 的前两个数不等于1。

• ValueError - 如果 padding 为”VALID”，并且 $input\mathrm{\_}x-kernel\mathrm{\_}size$ 在d、h或w维上小于0。

• ValueError - 如果 padding 为”SAME”，并且 $padding\mathrm{\_}needed=((input\mathrm{\_}x+strides-1)/strides-1)\ast strides+kernel\mathrm{\_}size-input\mathrm{\_}x$ 在d、h或w维中小于0。

• ValueError - 如果x_h不等于1或x_w不等于1，并且 $x_w+padding\mathrm{\_}needed-k_w-s_w$ 小于0。

• ValueError - 如果 $x_d\ast x_h\ast x_w$ 大于2048。

支持平台：

Ascend GPU CPU

样例：

>>> kernel_size = (1, 1, 2, 2, 2)
>>> strides = (1, 1, 1, 1, 1)
>>> padding = "VALID"
>>> input_x = ops.Reshape()(Tensor(np.arange(1, 28), mstype.float16), (1, 1, 3, 3, 3))
>>> output_y = ops.ExtractVolumePatches(kernel_size, strides, padding)(input_x)
>>> print(output_y.shape)
(1, 8, 2, 2, 2)