mindspore.ops.fractional_max_pool3d
- mindspore.ops.fractional_max_pool3d(input, kernel_size, output_size=None, output_ratio=None, return_indices=False, _random_samples=None)[源代码]
在输入 input 上应用三维分数最大池化。输出Tensor的shape可以由 output_size 和 output_ratio 其中之一确定,步长由 _random_samples 随机。 output_size 和 output_ratio 同时设置, output_size 会生效。 output_size 和 output_ratio 不能同时为
None
。分数最大池化的详细描述在 Fractional MaxPooling by Ben Graham 。
输入输出的数据格式可以是“NCDHW”。其中,N是批次大小,C是通道数,D是特征深度,H是特征高度,W是特征宽度。
警告
这是一个实验性API,后续可能修改或删除。
- 参数:
input (Tensor) - 4D或5D的Tensor,支持的数据类型:float16、float32、double。支持shape为 \((N, C, D_{in}, H_{in}, W_{in})\) 或 \((C, D_{in}, H_{in}, W_{in})\) 。
kernel_size (Union[int, tuple[int]]) - 指定池化核尺寸大小,如果为int,则代表池化核的深度,高和宽。如果为tuple,其值必须包含三个正int值分别表示池化核的深度,高和宽。取值必须为正int。
output_size (Union[int, tuple[int]],可选) - 目标输出大小。如果是int,则表示输出目标的深、高和宽。如果是tuple,其值必须包含三个int值分别表示目标输出的深、高和宽。默认值:
None
。output_ratio (Union[float, tuple[float]],可选) - 目标输出shape与输入shape的比率。通过输入shape和 output_ratio 确定输出shape。支持数据类型:float16、float32、double,数值范围(0,1)。默认值:
None
。return_indices (bool,可选) - 是否返回最大值的索引值。默认值:
False
。_random_samples (Tensor,可选) - 随机步长。支持的数据类型:float16、float32、double。shape为 \((N, C, 3)\) 或 \((1, C, 3)\) 的Tensor。数值范围[0, 1)。默认值:
None
, _random_samples 的值由区间[0, 1)上的均匀分布随机生成。
- 返回:
y (Tensor) - 3D分数最大池化的输出,是一个Tensor。数据类型和 input 相同,shape是 \((N, C, D_{out}, H_{out}, W_{out})\) 或 \((C, D_{out}, H_{out}, W_{out})\) 。其中,\((D_{out}, H_{out}, W_{out})\) = output_size 或 \((D_{out}, H_{out}, W_{out})\) = output_ratio * \((D_{in}, H_{in}, W_{in})\) 。
argmax (Tensor) - 仅当 return_indices 为True时,输出最大池化的索引值。shape和输出 y 一致。
- 异常:
TypeError - input 不是四维或五维Tensor。
TypeError - _random_samples 不是三维Tensor。
TypeError - input 数据类型不是float16、float32、double。
TypeError - _random_samples 数据类型不是float16、float32、double。
TypeError - argmax 数据类型不是int32、int64。
TypeError - _random_samples 和 input 数据类型不相同。
ValueError - output_shape 不是长度为3的tuple。
ValueError - kernal_size 不是长度为3的tuple。
ValueError - output_shape 和 kernel_size 不是正数。
ValueError - output_size 和 output_ratio 同时为 None 。
ValueError - input 和 _random_samples 的第一维度大小不相等。
ValueError - input 和 _random_samples 第二维度大小不相等。
ValueError - _random_samples 第三维度大小不是3。
- 支持平台:
GPU
CPU
样例:
>>> import numpy as np >>> from mindspore import Tensor, ops >>> from mindspore import dtype as mstype >>> x = Tensor(np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16]) ... .reshape([1, 1, 2, 2, 4]), mstype.float32) >>> _random_samples = Tensor(np.array([0.7, 0.7, 0.7]).reshape([1, 1, 3]), mstype.float32) >>> output, argmax = ops.fractional_max_pool3d(x, kernel_size=(1, 1, 1), output_size=(1, 1, 3), ... _random_samples=_random_samples, return_indices=True) >>> print(output) [[[[[13. 14. 16.]]]]] >>> print(argmax) [[[[[12 13 15]]]]] >>> output, argmax = ops.fractional_max_pool3d(x, kernel_size=(1, 1, 1), output_ratio=(0.5, 0.5, 0.5), ... _random_samples=_random_samples, return_indices=True) >>> print(output) [[[[[13. 16.]]]]] >>> print(argmax) [[[[[12 15]]]]]