mindspore.ops.max_pool2d
- mindspore.ops.max_pool2d(x, kernel_size, stride=None, padding=0, dilation=1, return_indices=False, ceil_mode=False)[源代码]
二维最大值池化。
输入是shape为 \((N_{in}, C_{in}, H_{in}, W_{in})\) 的Tensor,输出 \((H_{in}, W_{in})\) 维度中的最大值。给定 kernel_size \(ks = (h_{ker}, w_{ker})\),和 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:
x (Tensor) - shape为 \((N_{in}, C_{in}, H_{in}, W_{in})\) 的Tensor。在CPU和GPU上,支持数据类型包括int8、int16、int32、int64、uint8、uint16、uint32、uint64、float16、float32和float64。在Ascend上,数据类型仅支持float16。
kernel_size (Union[int, tuple[int]]) - 池化核尺寸大小。可以是一个整数表示池化核的高度和宽度,或者包含两个整数的tuple,分别表示池化核的高度和宽度。
stride (Union[int, tuple[int]]) - 池化操作的移动步长。可以是一个整数表示在高度和宽度方向的移动步长,或者包含两个整数的tuple,分别表示在高度和宽度方向的移动步长。默认值:
None
,表示移动步长为 kernel_size 。padding (Union[int, tuple[int]]) - 池化填充长度。可以是一个整数表示在高度和宽度方向的填充长度,或者包含两个整数的tuple,分别表示在高度和宽度方向的填充长度。默认为
0
。dilation (Union[int, tuple[int]]) - 控制池化核内元素的间距。默认为
1
。return_indices (bool) - 是否输出最大值的索引。默认为
False
。ceil_mode (bool) - 是否是用ceil代替floor来计算输出的shape。默认为
False
。
- 返回:
当 return_indices 是
False
时,输出单个 output 张量,否则输出一个包含 output 张量和 argmax 张量的元组。output (Tensor) - 输出的池化后的最大值,shape为 \((N_{out}, C_{out}, H_{out}, W_{out})\) 。其数据类型与 x 相同。
\[H_{out} = \left\lfloor\frac{H_{in} + 2 * \text{padding[0]} - \text{dilation[0]} \times (\text{kernel_size[0]} - 1) - 1}{\text{stride[0]}} + 1\right\rfloor\]\[W_{out} = \left\lfloor\frac{W_{in} + 2 * \text{padding[1]} - \text{dilation[1]} \times (\text{kernel_size[1]} - 1) - 1}{\text{stride[1]}} + 1\right\rfloor\]argmax (Tensor) - 输出的最大值对应的索引,在CPU和GPU上,数据类型为int64。在Ascend上,数据类型为uint16。仅当 return_indices 为True的时候才返回该值。
- 异常:
TypeError - x 不是Tensor。
ValueError - x 的维度不是4D。
TypeError - kernel_size 、stride 、padding 、dilation 不是int或者tuple。
ValueError - kernel_size、stride 或者 dilation 的元素值小于1。
ValueError - padding 的元素值小于0。
ValueError - padding 的元素值大于 kernel_size 的一半。
TypeError - ceil_mode 不是bool类型。
- 支持平台:
Ascend
GPU
CPU
样例:
>>> import mindspore >>> import numpy as np >>> from mindspore import Tensor, ops >>> x = Tensor(np.arange(20 * 16 * 50 * 32).reshape((20, 16, 50, 32)), mindspore.float32) >>> output_tensor, argmax = ops.max_pool2d(x, kernel_size=(3, 2), stride=(2, 1), return_indices=True) >>> print(output_tensor.shape) (20, 16, 24, 31) >>> print(argmax.shape) (20, 16, 24, 31)