# 比较与torch.nn.AdaptiveMaxPool1d的差异 [![查看源文件](https://mindspore-website.obs.cn-north-4.myhuaweicloud.com/website-images/r2.3.q1/resource/_static/logo_source.svg)](https://gitee.com/mindspore/docs/blob/r2.3.q1/docs/mindspore/source_zh_cn/note/api_mapping/pytorch_diff/AdaptiveMaxPool1d.md) 以下映射关系均可参考本文。 | PyTorch APIs | MindSpore APIs | | :-------------------: | :-----------------------: | | torch.nn.AdaptiveMaxPool1d | mindspore.nn.AdaptiveMaxPool1d | | torch.nn.functional.adaptive_max_pool1d | mindspore.ops.adaptive_max_pool1d | ## torch.nn.AdaptiveMaxPool1d ```text torch.nn.AdaptiveMaxPool1d(output_size, return_indices=False)(input) -> Tensor ``` 更多内容详见[torch.nn.AdaptiveMaxPool1d](https://pytorch.org/docs/1.8.1/generated/torch.nn.AdaptiveMaxPool1d.html)。 ## mindspore.nn.AdaptiveMaxPool1d ```text mindspore.nn.AdaptiveMaxPool1d(output_size)(x) -> Tensor ``` 更多内容详见[mindspore.nn.AdaptiveMaxPool1d](https://www.mindspore.cn/docs/zh-CN/r2.3.0rc1/api_python/nn/mindspore.nn.AdaptiveMaxPool1d.html)。 ## 差异对比 PyTorch:对时间数据进行自适应最大池化运算,支持2D和3D数据。 MindSpore:MindSpore此API目前只支持3D数据,要求输入数据的最后一个维度长度要大于输出大小,并且必须整除output_size;目前不支持返回最大值的索引下标。 | 分类 | 子类 |PyTorch | MindSpore | 差异 | | --- | --- | --- | --- |---| |参数 | 参数1 | output_size | output_size | MindSpore目前只支持3D数据,并且要求输入数据的最后一个维度的长度必须整除output_size | | | 参数2 | return_indices | - | MindSpore无此参数,暂不支持返回最大值的索引下标 | |输入 | 单输入 | input | x | 功能一致,参数名不同 | ### 代码示例1 > 对三维数据,在输入长度可以整除输出长度时对数据进行自适应最大池化运算。 ```python # PyTorch import torch from torch import tensor import numpy as np max_pool = torch.nn.AdaptiveMaxPool1d(output_size=4) x = tensor(np.arange(16).reshape(1, 2, 8), dtype=torch.float32) output = max_pool(x) print(output) # tensor([[[ 1., 3., 5., 7.], # [ 9., 11., 13., 15.]]]) # MindSpore import mindspore from mindspore import Tensor, nn import numpy as np pool = nn.AdaptiveMaxPool1d(output_size=4) x = Tensor(np.arange(16).reshape(1, 2, 8), mindspore.float32) output = pool(x) print(output) # [[[ 1. 3. 5. 7.] # [ 9. 11. 13. 15.]]] ```