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.ops.adaptive_max_pool1d

mindspore.ops.adaptive_max_pool1d(input, output_size)

对可以看作是由一系列1D平面组成的输入Tensor，应用一维自适应最大池化操作。

通常，输入的shape为 $(N,C,L_{in})$，adaptive_max_pool1d输出区域最大值在 $L_{in}$ 区间。 输出的shape为 $(N,C,L_{out})$，其中 $L_{out}$ 由 output_size 定义。

说明

• $L_{in}$ 必须能被 output_size 整除。

• Ascend平台input参数仅支持float16类型。

参数：

• input (Tensor) - 输入shape为 $(N,C,L_{in})$，数据类型为float16、float32。

• output_size (int) - 大小为 $L_{out}$ 。

返回：

Tensor，数据类型与 input 相同。 输出的shape为 $(N,C,L_{out})$ 。

异常：

• TypeError - 如果 output_size 不是int类型。

• TypeError - 如果 input 的数据类型不是float16或者float32。

• ValueError - 如果 output_size 小于1。

• ValueError - 如果 input 的维度不等于3。

• ValueError - 如果 input 的最后一维尺寸小于 output_size 。

• ValueError - 如果 input 的最后一维尺寸不能被 output_size 整除。

支持平台：

Ascend GPU CPU

样例：

>>> import mindspore
>>> import numpy as np
>>> from mindspore import Tensor, ops
>>> input = Tensor(np.random.randint(0, 10, [1, 3, 6]), mindspore.float32)
>>> output = ops.adaptive_max_pool1d(input, output_size=2)
>>> print(output.shape)
(1, 3, 2)