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])