mindspore.mint.nn.functional.max_pool2d

mindspore.mint.nn.functional.max_pool2d(input, kernel_size, stride=None, padding=0, dilation=1, *, ceil_mode=False, return_indices=False)[源代码]

二维最大值池化。

输入是shape为 \((N_{in}, C_{in}, H_{in}, W_{in})\) 的Tensor，输出 \((H_{in}, W_{in})\) 维度中的最大值。给定 kernel_size \(ks = (h_{ker}, w_{ker})\)，和 stride \(s = (s_0, s_1)\)，运算如下：

\[\text{output}(N_i, C_j, h, w) = \max_{m=0, \ldots, h_{ker}-1} \max_{n=0, \ldots, w_{ker}-1} \text{input}(N_i, C_j, s_0 \times h + m, s_1 \times w + n)\]

警告

只支持 Atlas A2 训练系列产品。

参数：

  • input (Tensor) - shape为 \((N_{in}, C_{in}, H_{in}, W_{in})\) 的Tensor。在Ascend上，数据类型仅支持float32。

  • kernel_size (Union[int, tuple[int]]) - 池化核尺寸大小。可以是一个整数表示池化核的高度和宽度，或者包含两个整数的tuple，分别表示池化核的高度和宽度。

  • stride (Union[int, tuple[int], None]) - 池化操作的移动步长。可以是一个整数表示在高度和宽度方向的移动步长，或者包含两个整数的tuple，分别表示在高度和宽度方向的移动步长。默认值： None ，表示移动步长为 kernel_size 。

  • padding (Union[int, tuple[int]]) - 池化填充长度。可以是一个整数表示在高度和宽度方向的填充长度，或者包含两个整数的tuple，分别表示在高度和宽度方向的填充长度。默认为 0。

  • dilation (Union[int, tuple[int]]) - 控制池化核内元素的间距。默认为 1。

  • ceil_mode (bool) - 是否是用ceil代替floor来计算输出的shape。默认为 False。

  • return_indices (bool) - 是否输出最大值的索引。默认为 False。

返回：

当 return_indices 是 False 时，输出单个 output 张量，否则输出一个包含 output 张量和 argmax 张量的元组。

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

    \[H_{out} = \left\lfloor\frac{H_{in} + 2 * \text{padding[0]} - \text{dilation[0]} \times (\text{kernel_size[0]} - 1) - 1}{\text{stride[0]}} + 1\right\rfloor\]
    \[W_{out} = \left\lfloor\frac{W_{in} + 2 * \text{padding[1]} - \text{dilation[1]} \times (\text{kernel_size[1]} - 1) - 1}{\text{stride[1]}} + 1\right\rfloor\]

  • argmax (Tensor) - 输出的最大值对应的索引，在Ascend上，数据类型为int32。仅当 return_indices 为True的时候才返回该值。

异常：

  • TypeError - input 不是Tensor。

  • ValueError - input 的维度不是4D。

  • TypeError - kernel_size 、stride 、padding 、dilation 不是int或者tuple。

  • ValueError - kernel_size、stride 或者 dilation 的元素值小于1。

  • ValueError - dilation 不是全为1。

  • ValueError - padding 的元素值小于0。

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

  • TypeError - ceil_mode 不是bool类型。

支持平台：

Ascend

样例：

>>> import mindspore
>>> import numpy as np
>>> from mindspore import Tensor, mint
>>> input = Tensor(np.arange(20 * 16 * 50 * 32).reshape((20, 16, 50, 32)), mindspore.float32)
>>> output_tensor, argmax = mint.nn.functional.max_pool2d(input, kernel_size=(3, 2), stride=(2, 1),
                                                  ceil_mode=False, return_indices=True)
>>> print(output_tensor.shape)
(20, 16, 24, 31)
>>> print(argmax.shape)
(20, 16, 24, 31)