比较与torch.nn.MaxPool3d的差异

torch.nn.MaxPool3d

torch.nn.MaxPool3d(kernel_size, stride=None, padding=0, dilation=1, return_indices=False, ceil_mode=False)(input) -> Tensor

更多内容详见torch.nn.MaxPool3d。

mindspore.nn.MaxPool3d

mindspore.nn.MaxPool3d(kernel_size=1, stride=1, pad_mode="valid", padding=0, dilation=1, return_indices=False, ceil_mode=False)(x) -> Tensor

更多内容详见mindspore.nn.MaxPool3d。

使用方式

PyTorch：对输入的多维数据进行三维的最大池化运算。

MindSpore：MindSpore此API实现功能同时兼容TensorFlow和PyTorch，pad_mode 为 “valid” 或者 “same” 时，功能与TensorFlow一致，pad_mode 为 “pad” 时，功能与PyTorch一致，MindSpore相比PyTorch1.8.1额外支持了维度为2的输入，与PyTorch1.12一致。

分类	子类	PyTorch	MindSpore	差异
参数	参数1	kernel_size	kernel_size	功能一致，PyTorch无默认值
	参数2	stride	stride	功能一致，默认值不同
	参数3	padding	padding	功能一致
	参数4	dilation	dilation	功能一致
	参数5	return_indices	return_indices	功能一致
	参数6	ceil_mode	ceil_mode	功能一致
	参数7	input	x	功能一致，参数名不同
	参数8	-	pad_mode	控制填充模式，PyTorch无此参数

代码示例

mindspore为 pad 模式时，行为一致。

import mindspore as ms
from mindspore import Tensor
import mindspore.nn as nn
import torch
import numpy as np

np_x = np.random.randint(0, 10, [1, 2, 4, 4, 5])

x = Tensor(np_x, ms.float32)
max_pool = nn.MaxPool3d(kernel_size=2, stride=1, pad_mode='pad', padding=1, dilation=1, return_indices=False)
output = max_pool(x)
result = output.shape
print(result)
# (1, 2, 5, 5, 6)
x = torch.tensor(np_x, dtype=torch.float32)
max_pool = torch.nn.MaxPool3d(kernel_size=2, stride=1, padding=1, dilation=1, return_indices=False)
output = max_pool(x)
result = output.shape
print(result)
# torch.Size([1, 2, 5, 5, 6])