mindspore.ops.AvgPool3D
- class mindspore.ops.AvgPool3D(kernel_size=1, strides=1, pad_mode='valid', pad=0, ceil_mode=False, count_include_pad=True, divisor_override=0, data_format='NCDHW')[源代码]
对输入的多维数据进行三维的平均池化运算。
一般，输入shape为 \((N, C, D_{in}, H_{in}, W_{in})\) ，AvgPool3D在 \((D_{in}, H_{in}, W_{in})\) 维度上输出区域平均值。给定 kernel_size 为 \(ks = (d_{ker}, h_{ker}, w_{ker})\) 和 stride \(s = (s_0, s_1, s_2)\) ，运算如下：
警告
"kernel_size"在[1, 255]范围中。"strides"在[1, 63]范围中。
\[\text{output}(N_i, C_j, d, h, w) = \frac{1}{d_{ker} * h_{ker} * w_{ker}} \sum_{l=0}^{d_{ker}-1} \sum_{m=0}^{h_{ker}-1} \sum_{n=0}^{w_{ker}-1} \text{input}(N_i, C_j, s_0 \times d + l, s_1 \times h + m, s_2 \times w + n)\]- 参数：
kernel_size (Union[int, tuple[int]]) - 指定池化核尺寸大小，是一个整数，对应深度、高度和宽度，或者是含3个分别对应深度、高度和宽度整数的tuple。默认值：
1。strides (Union[int, tuple[int]]) - 池化操作的移动步长，是一个整数，对应移动深度、高度和宽度，或者是含3个分别表对应移动深度、高度和宽度整数的tuple。默认值：
1。pad_mode (str，可选) - 指定填充模式，填充值为0。可选值为
"same"，"valid"或"pad"。默认值："valid"。"same"：在输入的深度、高度和宽度维度进行填充，使得当 stride 为1时，输入和输出的shape一致。待填充的量由算子内部计算，若为偶数，则均匀地填充在四周，若为奇数，多余的填充量将补充在前方/底部/右侧。如果设置了此模式， pad 必须为0。"valid"：不对输入进行填充，返回输出可能的最大深度、高度和宽度，不能构成一个完整stride的额外的像素将被丢弃。如果设置了此模式， pad 必须为0。"pad"：对输入填充指定的量。在这种模式下，在输入的深度、高度和宽度方向上填充的量由 pad 参数指定。如果设置此模式， pad 必须大于或等于0。
pad (Union(int, tuple[int], list[int])) - 池化填充方式。默认值：
0。如果 pad 是一个整数，则头部、尾部、顶部、底部、左边和右边的填充都是相同的，等于 pad 。如果 pad 是六个integer的tuple，则头部、尾部、顶部、底部、左边和右边的填充分别等于填充pad[0]、pad[1]、pad[2]、pad[3]、pad[4]和pad[5]。ceil_mode (bool) - 是否使用ceil函数计算输出高度和宽度。默认值：
False。count_include_pad (bool) - 如果为
True，平均计算将包括零填充。默认值：True。divisor_override (int) - 如果指定了该值，它将在平均计算中用作除数，否则将使用kernel_size作为除数。默认值：
0。data_format (str) - 输入和输出的数据格式。目前仅支持'NCDHW'。默认值：
"NCDHW"。
- 输入：
x (Tensor) - shape为 \((N, C, D_{in}, H_{in}, W_{in})\) 的Tensor。数据类型为float16、float32和float64。
- 输出：
Tensor，其shape为 \((N, C, D_{out}, H_{out}, W_{out})\) ，数据类型与 x 相同。
- 异常：
TypeError - kernel_size 、 strides 或 pad 既不是int也不是tuple。
TypeError - ceil_mode 或 count_include_pad 不是bool。
TypeError - pad_mode 或 data_format 不是string。
TypeError - divisor_override 不是int。
ValueError - kernel_size 或 strides 中的数字不是正数。
ValueError - kernel_size 或 strides 是长度不等于3的tuple。
ValueError - pad_mode 不是'same'，'valid'，或'pad'。
ValueError - pad 是长度不等于6的tuple。
ValueError - pad 的元素小于0。
ValueError - pad_mode 不等于'pad'且 pad 不等于0或(0, 0, 0, 0, 0, 0)。
ValueError - data_format 不是'NCDHW'。
- 支持平台：
AscendGPUCPU
样例：
>>> import mindspore >>> from mindspore import Tensor, ops >>> import numpy as np >>> x = Tensor(np.arange(1 * 2 * 2 * 2 * 3).reshape((1, 2, 2, 2, 3)), mindspore.float16) >>> avg_pool3d = ops.AvgPool3D(kernel_size=2, strides=1, pad_mode="valid") >>> output = avg_pool3d(x) >>> print(output) [[[[[ 5. 6.]]] [[[17. 18.]]]]]