mindspore.ops.max_unpool2d

mindspore.ops.max_unpool2d(x, indices, kernel_size, stride=None, padding=0, output_size=None)[源代码]

max_pool2d 的逆过程。

max_unpool2d 在计算过程中，保留最大值位置的元素，并将非最大值位置元素设置为0。支持的输入数据格式为 \((N, C, H_{in}, W_{in})\) 或 \((C, H_{in}, W_{in})\) ，输出数据的格式为 \((N, C, H_{out}, W_{out})\) 或 \((C, H_{out}, W_{out})\) ，计算公式如下：

\[\begin{split}\begin{array}{ll} \\ H_{out} = (H{in} - 1) \times stride[0] - 2 \times padding[0] + kernel\_size[0] \\ W_{out} = (W{in} - 1) \times stride[1] - 2 \times padding[1] + kernel\_size[1] \\ \end{array}\end{split}\]

参数：

x (Tensor) - 待求逆的Tensor。shape为 \((N, C, H_{in}, W_{in})\) 或 \((C, H_{in}, W_{in})\) 。
indices (Tensor) - 最大值的索引。shape必须与输入 x 相同。取值范围需满足 \([0, H_{in} \times W_{in} - 1]\) 。数据类型必须是int32或int64。
kernel_size (Union[int, tuple[int]]) - 池化核尺寸大小。int类型表示池化核的长宽相同。 tuple类型中的两个值分别代表池化核的长和宽。
stride (Union[int, tuple[int]]) - 池化操作的移动步长，int类型表示长宽方向的移动步长相同。 tuple中的两个值分别代表长宽方向移动的步长。默认值： None ，表示移动步长为 kernel_size 。
padding (Union[int, tuple[int]]) - 填充值。默认值： 0 。若为int类型，则长宽方向的填充大小相同，均为 padding 。若为tuple类型，则tuple中的两个值分别代表长宽方向填充的大小。
output_size (tuple[int]，可选) - 输出shape。默认值：None。如果output_size为()，那么输出shape根据 kernel_size 、 stride 和 padding 计算得出。如果output_size不为()，那么 output_size 必须满足格式 \((N, C, H, W)\) ， \((C, H, W)\) 或 \((H, W)\) ，取值范围需满足： \([(N, C, H_{out} - stride[0], W_{out} - stride[1]), (N, C, H_{out} + stride[0], W_{out} + stride[1])]\)。

返回：

shape为 \((N, C, H_{out}, W_{out})\) 或 \((C, H_{out}, W_{out})\) 的Tensor，数据类型与输入 x 相同。

异常：

TypeError - x 或 indices 的数据类型不支持。
TypeError - kernel_size ， stride 或 padding 既不是整数也不是tuple。
ValueError - stride ， padding 或 kernel_size 的值不是非负的。
ValueError - x 和 indices 的shape不一致。
ValueError - kernel_size ， stride 或 padding 为tuple时长度不等于2。
ValueError - x 的长度不为3或4。
ValueError - output_size 的类型不是tuple。
ValueError - output_size 的长度不为0、3或4。
ValueError - output_size 的取值与根据 kernel_size , stride , padding 计算得到的结果差距太大。

支持平台：

Ascend GPU CPU

样例：

>>> x = Tensor(np.array([[[[0, 1], [8, 9]]]]).astype(np.float32))
>>> indices = Tensor(np.array([[[[0, 1], [2, 3]]]]).astype(np.int64))
>>> output = ops.max_unpool2d(x, indices, kernel_size=1, stride=1, padding=0)
>>> print(output.asnumpy())
[[[[0. 1.]
   [8. 9.]]]]