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)