mindspore.ops.MaxPool

class mindspore.ops.MaxPool(kernel_size=1, strides=1, pad_mode='valid', data_format='NCHW')[源代码]

对输入的多维数据进行二维的最大池化运算。

在一个输入Tensor上应用2D max pooling,可被视为2D输入平面。

通常,输入的shape为 \((N_{in}, C_{in}, H_{in}, W_{in})\) ,MaxPool在 \((H_{in}, W_{in})\) 维度输出区域最大值。给定 kernel_size\(ks = (h_{ker}, w_{ker})\)stride \(s = (s_0, s_1)\) ,运算如下:

\[\text{output}(N_i, C_j, h, w) = \max_{m=0, \ldots, h_{ker}-1} \max_{n=0, \ldots, w_{ker}-1} \text{input}(N_i, C_j, s_0 \times h + m, s_1 \times w + n)\]
参数:
  • kernel_size (Union[int, tuple[int]]) - 指定池化核尺寸大小。由一个整数或者是两个整数组成的tuple,表示高和宽。默认值: 1

  • strides (Union[int, tuple[int]]) - 池化操作的移动步长,由一个整数或者是两个整数组成的tuple,表示高和宽上的移动步长。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"。默认值: "valid"

    • "same":在输入的四周填充,使得当 stride1 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底部/右侧。

    • "valid":不对输入进行填充,返回输出可能的最大高度和宽度,不能构成一个完整stride的额外的像素将被丢弃。

  • data_format (str) - 输入和输出的数据格式。可选值为 "NHWC""NCHW" 。默认值: "NCHW"

输入:
  • x (Tensor) - shape为 \((N, C_{in}, H_{in}, W_{in})\) 的Tensor。 支持数据类型:

    • CPU:float16、float32、float64。

    • GPU/Ascend:float16、float32。

输出:

Tensor,shape为 \((N, C_{out}, H_{out}, W_{out})\)

异常:
  • TypeError - kernel_sizestrides 既不是int也不是tuple。

  • ValueError - pad_mode 既不是 "valid" 也不是 "same" (不区分大小写)。

  • ValueError - data_format 既不是 "NCHW" 也不是 "NHWC"

  • ValueError - kernel_sizestrides 小于1。

  • ValueError - iput 的shape长度不等于4。

支持平台:

Ascend GPU CPU

样例:

>>> import mindspore
>>> import numpy as np
>>> from mindspore import Tensor, ops
>>> x = Tensor(np.arange(1 * 3 * 3 * 4).reshape((1, 3, 3, 4)), mindspore.float32)
>>> maxpool_op = ops.MaxPool(pad_mode="VALID", kernel_size=2, strides=1)
>>> output = maxpool_op(x)
>>> print(output)
[[[[ 5.  6.  7.]
   [ 9. 10. 11.]]
  [[17. 18. 19.]
   [21. 22. 23.]]
  [[29. 30. 31.]
   [33. 34. 35.]]]]