mindspore.nn.AdaptiveMaxPool3d

class mindspore.nn.AdaptiveMaxPool3d(output_size, return_indices=False)[源代码]

对输入Tensor执行三维自适应最大池化操作。对于任何输入尺寸，输出的size为 \((D, H, W)\) 。

参数：

  • output_size (Union[int, tuple]) - 指定输出的size。可以用一个正整数统一表示输出的深度、高度和宽度，或者用一个正整数三元组来分别表示输出的深度、高度和宽度。如果是None则表示对应维度输出和输入相同。

  • return_indices (bool, 可选) - 如果 return_indices 为 True ，将会输出最大值对应的索引，否则不输出索引。默认值： False 。

输入：

  • input (Tensor) - shape为 \((C, D, H, W)\) 或 \((N, C, D, H, W)\) 的Tensor。

输出：

  • y (Tensor) - Tensor，与输入 input 的数据类型和维度相同。

  • argmax (Tensor) - Tensor，最大值对应的索引，数据类型为int32，并与 y 的shape相同。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或者5D。

  • TypeError - input 的数据类型不是int、uint或float。

  • ValueError - output_size 不是一个int整数或者shape为 \((3,)\) 的tuple。

支持平台：

GPU CPU

样例：

>>> import mindspore as ms
>>> import numpy as np
>>> input = ms.Tensor(np.arange(0,36).reshape((1, 3, 3, 4)).astype(np.float32))
>>> output_size = (1, 1, 2)
>>> net = ms.nn.AdaptiveMaxPool3d(output_size, True)
>>> output = net(input)
>>> print(output[0].asnumpy())
[[[[33. 35.]]]]
>>> print(output[1].asnumpy())
[[[[33 35]]]]