mindspore.nn.AdaptiveAvgPool3d
- class mindspore.nn.AdaptiveAvgPool3d(output_size)[源代码]
对输入Tensor,提供三维的自适应平均池化操作。也就是说对于输入任何尺寸,指定输出的尺寸都为 \((D, H, W)\)。但是输入和输出特征的数目不会变化。
假设输入 input 最后三维大小分别为 \((inD, inH, inW)\),则输出的最后三维大小分别为 \((outD, outH, outW)\)。运算如下:
\[\begin{split}\begin{array}{ll} \\ \forall \quad od \in [0,outD-1], oh \in [0,outH-1], ow \in [0,outW-1]\\ output[od,oh,ow] = \\ \qquad mean(input[istartD:iendD+1,istartH:iendH+1,istartW:iendW+1])\\ where,\\ \qquad istartD= \left\lceil \frac{od * inD}{outD} \right\rceil \\ \qquad iendD=\left\lfloor \frac{(od+1)* inD}{outD} \right\rfloor \\ \qquad istartH=\left\lceil \frac{oh * inH}{outH} \right\rceil \\ \qquad iendH=\left\lfloor \frac{(oh+1) * inH}{outH} \right\rfloor \\ \qquad istartW=\left\lceil \frac{ow * inW}{outW} \right\rceil \\ \qquad iendW=\left\lfloor \frac{(ow+1) * inW}{outW} \right\rfloor \end{array}\end{split}\]- 参数:
output_size (Union[int, tuple]) - 指定输出特征图的尺寸,可以是个tuple \((D, H, W)\),也可以是一个int值D来表示输出尺寸为 \((D, D, D)\) 。\(D\),\(H\) 和 \(W\) 可以是int值或者None,其中None表示输出大小与对应的输入的大小相同。
- 输入:
input (Tensor) - AdaptiveAvgPool3d的输入,是4D或者5D的Tensor。数据类型:float16,float32或者float64。
- 输出:
Tensor,与输入 input 的数据类型相同。
- 异常:
TypeError - input 不是Tensor。
TypeError - input 的数据类型不是float16、float32或者float64。
ValueError - input 维度不是4D或者5D。
ValueError - output_size 的值不是正数。
- 支持平台:
Ascend
GPU
CPU
样例:
>>> import mindspore as ms >>> import numpy as np >>> # case 1: output_size=(3, 3, 4) >>> output_size=(3, 3, 4) >>> input_x_val = np.random.randn(4, 3, 5, 6, 7) >>> input_x = ms.Tensor(input_x_val, ms.float32) >>> net = ms.nn.AdaptiveAvgPool3d(output_size) >>> output = net(input_x) >>> print(output.shape) (4, 3, 3, 3, 4) >>> # case 2: output_size=4 >>> output_size=5 >>> input_x_val = np.random.randn(2, 3, 8, 6, 12) >>> input_x = ms.Tensor(input_x_val, ms.float32) >>> net = ms.nn.AdaptiveAvgPool3d(output_size) >>> output = net(input_x) >>> print(output.shape) (2, 3, 5, 5, 5) >>> # case 3: output_size=(None, 4, 5) >>> output_size=(None, 4, 5) >>> input_x_val = np.random.randn(4, 1, 9, 10, 8) >>> input_x = ms.Tensor(input_x_val, ms.float32) >>> net = ms.nn.AdaptiveAvgPool3d(output_size) >>> output = net(input_x) >>> print(output.shape) (4, 1, 9, 4, 5)