mindspore.nn.MaxUnpool2d
- class mindspore.nn.MaxUnpool2d(kernel_size, stride=None, padding=0)[源代码]
mindspore.nn.MaxPool2d
的逆过程。 MaxUnpool2d 在计算过程中,保留最大值位置的元素,并将非最大值位置元素设置为0。 支持的输入数据格式为 \((N, C, H_{in}, W_{in})\) 或 \((C, H_{in}, W_{in})\) , 输出数据的个格式为 \((N, C, H_{out}, W_{out})\) 或 \((C, H_{out}, W_{out})\) ,计算公式如下:\[\begin{split}\begin{array}{ll} \\ H_{out} = (H_{in} - 1) \times stride[0] - 2 \times padding[0] + kernel\_size[0] \\ W_{out} = (W_{in} - 1) \times stride[1] - 2 \times padding[1] + kernel\_size[1] \\ \end{array}\end{split}\]- 参数:
kernel_size (Union[int, tuple[int]]) - 池化核尺寸大小。int类型表示池化核的长宽相同。 tuple类型中的两个值分别代表池化核的长和宽。
stride (Union[int, tuple[int]]) - 池化操作的移动步长,int类型表示长宽方向的移动步长相同。 tuple中的两个值分别代表长宽方向移动的步长。若取值为
None
, stride 值与 kernel_size 相同。 默认值:None
。padding (Union[int, tuple[int]]) - 填充值。默认值:
0
。若为int类型,则长宽方向的填充大小相同,均为 padding 。 若为tuple类型,则tuple中的两个值分别代表长宽方向填充的大小。
- 输入:
x (Tensor) - 待求逆的Tensor。shape为 \((N, C, H_{in}, W_{in})\) 或 \((C, H_{in}, W_{in})\) 。
indices (Tensor) - 最大值的索引。shape必须与输入 x 相同。取值范围需满足 \([0, H_{in} \times W_{in} - 1]\) 。 数据类型必须是int32或int64。
output_size (tuple[int], 可选) - 输出shape。默认值:
None
。 如果output_size为None
,那么输出shape根据 kernel_size 、 stride 和 padding 计算得出。 如果output_size不为None
,那么 output_size 必须满足格式 \((N, C, H, W)\) , \((C, H, W)\) 或 \((H, W)\) ,取值范围需满足: \([(N, C, H_{out} - stride[0], W_{out} - stride[1]), (N, C, H_{out} + stride[0], W_{out} + stride[1])]\)。
- 输出:
shape为 \((N, C, H_{out}, W_{out})\) 或 \((C, H_{out}, W_{out})\) 的Tensor,数据类型与输入 x 相同。
- 异常:
TypeError - x 或 indices 的数据类型不支持。
TypeError - kernel_size , stride 或 padding 既不是整数也不是tuple。
ValueError - stride , padding 或 kernel_size 的值不是非负的。
ValueError - x 和 indices 的shape不一致。
ValueError - kernel_size , stride 或 padding 为tuple时长度不等于2。
ValueError - x 的长度不为3或4。
ValueError - output_size 的类型不是tuple。
ValueError - output_size 的长度不为0、3或4。
ValueError - output_size 的取值与根据 kernel_size 、 stride 、 padding 计算得到的结果差距太大。
- 支持平台:
GPU
CPU
样例:
>>> import mindspore as ms >>> import numpy as np >>> x = ms.Tensor(np.array([[[[0, 1], [8, 9]]]]).astype(np.float32)) >>> indices = ms.Tensor(np.array([[[[0, 1], [2, 3]]]]).astype(np.int64)) >>> maxunpool2d = ms.nn.MaxUnpool2d(kernel_size=1, stride=1, padding=0) >>> output = maxunpool2d(x, indices) >>> print(output.asnumpy()) [[[[0. 1.] [8. 9.]]]]