mindspore.nn.MaxPool1d

class mindspore.nn.MaxPool1d(kernel_size=1, stride=1, pad_mode='valid', padding=0, dilation=1, return_indices=False, ceil_mode=False)[源代码]

在一个输入Tensor上应用1D最大池化运算，该Tensor可被视为一维平面的组合。

通常，输入的shape为 \((N_{in}, C_{in}, L_{in})\) ，MaxPool1d输出 \((L_{in})\) 维度区域最大值。 给定 kernel_size 为 \(ks = (l_{ker})\) 和 stride 为 \(s = (s_0)\)，公式如下：

\[\text{output}(N_i, C_j, l) = \max_{n=0, \ldots, l_{ker}-1} \text{input}(N_i, C_j, s_0 \times l + n)\]
参数：

  • kernel_size (int) - 指定池化核尺寸大小。默认值： 1 。

  • stride (int) - 池化操作的移动步长，数据类型为整型。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"：在输入的两端填充，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右端。如果设置了此模式， padding 必须为0。

    • "valid"：不对输入进行填充，返回输出可能的最大长度，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， padding 必须为0。

    • "pad"：对输入填充指定的量。在这种模式下，填充的量由 padding 参数指定。如果设置此模式， padding 必须大于或等于0。

  • padding (Union(int, tuple[int], list[int])) - 池化填充值。默认值： 0 。 padding 只能是一个整数或者包含一个整数的tuple/list，设定后，则会在输入的左边和右边填充 padding 次或者 padding[0] 次。

  • dilation (Union(int, tuple[int])) - 卷积核中各个元素之间的间隔大小，用于提升池化操作的感受野。如果为tuple，其长度只能为1。默认值： 1 。

  • return_indices (bool) - 若为 True ，将会同时返回最大池化的结果和索引。默认值： False 。

  • ceil_mode (bool) - 若为 True ，使用ceil来计算输出shape。若为 False ，使用floor来计算输出shape。默认值： False 。

输入：

  • x (Tensor) - shape为 \((N, C_{in}, L_{in})\) 或 \((C_{in}, L_{in})\) 的Tensor。

输出：

如果 return_indices 为False，则是shape为 \((N, C_{out}, L_{out})\) 或 \((C_{out}, L_{out})\) 的Tensor。数据类型与 x 一致。 如果 return_indices 为True，则是一个包含了两个Tensor的Tuple，表示maxpool的计算结果以及生成max值的位置。

  • output (Tensor) - 最大池化结果，shape为 \((N, C_{out}, L_{out})\) 或 \((C_{out}, L_{out})\) 的Tensor。数据类型与 x 一致。

  • argmax (Tensor) - 最大值对应的索引。数据类型为int64。

其中，如果 pad_mode 为 pad 模式时，输出的shape计算公式如下：

\[L_{out} = \left\lfloor \frac{L_{in} + 2 \times \text{padding} - \text{dilation} \times (\text{kernel_size} - 1) - 1}{\text{stride}} + 1\right\rfloor\]
异常：

  • TypeError - kernel_size 或 strides 不是整数。

  • ValueError - pad_mode 既不是 "valid" ，也不是 "same" 或者 "pad"，不区分大小写。

  • ValueError - data_format 既不是 'NCHW' 也不是 'NHWC'。

  • ValueError - kernel_size 或 strides 小于1。

  • ValueError - x 的shape长度不等于2或3。

  • ValueError - 当 pad_mode 不为 "pad" 时，padding、 dilation、 return_indices、 ceil_mode 参数不为默认值。

  • ValueError - padding 参数为tuple/list时长度不为1。

  • ValueError - dilation 参数为tuple时长度不为1。

  • ValueError - dilation 参数不为int也不为tuple。

  • ValueError - pad_mode 不为 "pad" 的时候 padding 为非0。

支持平台：

Ascend GPU CPU

样例：

>>> import mindspore as ms
>>> import mindspore.nn as nn
>>> import numpy as np
>>> mpool1 = nn.MaxPool1d(kernel_size=3, stride=1)
>>> x = ms.Tensor(np.random.randint(0, 10, [1, 2, 4]), ms.float32)
>>> output = mpool1(x)
>>> result = output.shape
>>> print(result)
(1, 2, 2)
>>> np_x = np.random.randint(0, 10, [5, 3, 4])
>>> x = ms.Tensor(np_x, ms.float32)
>>> mpool2 = nn.MaxPool1d(kernel_size=2, stride=1, pad_mode="pad", padding=1, dilation=1, return_indices=True)
>>> output = mpool2(x)
>>> print(output[0].shape)
(5, 3, 5)
>>> print(output[1].shape)
(5, 3, 5)