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。

PR

小问题，全程线上修改...

一键搞定！

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.MaxPoolWithArgmaxV2

class mindspore.ops.MaxPoolWithArgmaxV2(kernel_size, strides=None, pads=0, dilation=(1, 1), ceil_mode=False, argmax_type=mstype.int64)

对输入Tensor执行最大池化运算，并返回最大值和索引。

通常，输入的shape为 $(N_{in},C_{in},H_{in},W_{in})$ ，MaxPool在 $(H_{in},W_{in})$ 维度输出区域最大值。给定 kernel_size 为 $(h_{ker},w_{ker})$ 和 strides 为 $(s_0,s_1)$ ，运算如下：

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

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]]) - 指定池化核尺寸大小。由一个整数或者两个整数组成的tuple，分别表示高和宽。

• strides (Union[int, tuple[int]]，可选) - 池化操作的移动步长。由一个整数或者两个整数组成的tuple，分别表示在高和宽方向上的移动步长。默认值： None 。表示取 kernel_size 的值。

• pads (Union[int, tuple[int]]，可选) - 池化操作的填充元素个数。由一个整数或者两个整数组成的tuple，分别表示在高和宽方向上的填充0的个数。默认值： 0 。

• dilation (Union[int, tuple[int]]，可选) - 控制池化核内元素的间距。由一个整数或者两个整数组成的tuple，分别表示在高和宽方向上的核内间距。默认值： (1, 1) 。

• ceil_mode (bool，可选) - 控制是否使用Ceil计算输出shape。默认值： False 。表示使用Floor计算输出。

• argmax_type (mindspore.dtype，可选) - 指定输出 argmax 的数据类型。默认值： mstype.int64 。【该参数在Ascend上不生效。】

输入：

• x (Tensor) - shape为 $(N_{in},C_{in},H_{in},W_{in})$ 的Tensor。在CPU和GPU上，支持的数据类型包括：int8，int16，int32，int64，uint8，uint16，uint32，uint64，float16，float32和float64。在Ascend上，数据类型仅支持float16。

输出：

包含两个Tensor的tuple，分别表示最大值结果和最大值对应的索引。

• output (Tensor) - 输出池化后的最大值，shape为 $(N_{out},C_{out},H_{out},W_{out})$。其数据类型与 x 相同。

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

• argmax (Tensor) - 输出的最大值对应的索引。在CPU和GPU上，数据类型为int32或者int64。在Ascend上，数据类型为uint16。

异常：

• TypeError - x 不是Tensor。

• ValueError - x 的维度不是4D。

• TypeError - kernel_size 、 strides 、 pads 或者 dilation 即不是int也不是tuple。

• ValueError - kernel_size 、 strides 或者 dilation 的元素小于1。

• ValueError - pads 的元素值小于0。

• ValueError - pads 的元素值大于 kernel_size 的一半。

• ValueError - argmax_type 即不是mindspore.int64也不是mindspore.int32。

• TypeError - ceil_mode 不是bool。

支持平台：

Ascend GPU CPU

样例：

>>> import mindspore
>>> import numpy as np
>>> from mindspore import Tensor, ops
>>> x = Tensor(np.arange(20 * 16 * 50 * 32).reshape((20, 16, 50, 32)), mindspore.float32)
>>> maxpool_arg_v2_op = ops.MaxPoolWithArgmaxV2(kernel_size=(3, 2), strides=(2, 1))
>>> output_tensor, argmax = maxpool_arg_v2_op(x)
>>> print(output_tensor.shape)
(20, 16, 24, 31)
>>> print(argmax.shape)
(20, 16, 24, 31)