文档反馈

问题文档片段

问题文档片段包含公式时，显示为空格。

提交类型

issue

有点复杂...

找人问问吧。

PR

小问题，全程线上修改...

一键搞定！

请选择提交类型

问题类型

规范和低错类

- 规范和低错类：

- 错别字或拼写错误，标点符号使用错误、公式错误或显示异常。

- 链接错误、空单元格、格式错误。

- 英文中包含中文字符。

- 界面和描述不一致，但不影响操作。

- 表述不通顺，但不影响理解。

- 版本号不匹配：如软件包名称、界面版本号。

易用性

- 易用性：

- 关键步骤错误或缺失，无法指导用户完成任务。

- 缺少主要功能描述、关键词解释、必要前提条件、注意事项等。

- 描述内容存在歧义指代不明、上下文矛盾。

- 逻辑不清晰，该分类、分项、分步骤的没有给出。

正确性

- 正确性：

- 技术原理、功能、支持平台、参数类型、异常报错等描述和软件实现不一致。

- 原理图、架构图等存在错误。

- 命令、命令参数等错误。

- 代码片段错误。

- 命令无法完成对应功能。

- 界面错误，无法指导操作。

- 代码样例运行报错、运行结果不符。

风险提示

- 风险提示：

- 对重要数据或系统存在风险的操作，缺少安全提示。

内容合规

- 内容合规：

- 违反法律法规，涉及政治、领土主权等敏感词。

- 内容侵权。

请选择问题类型

问题描述

点击输入详细问题描述，以帮助我们快速定位问题。

提交

文档反馈

mindspore.ops.avg_pool3d

mindspore.ops.avg_pool3d(input_x, kernel_size=1, stride=1, padding=0, ceil_mode=False, count_include_pad=True, divisor_override=0)

在输入Tensor上应用3D平均池化，输入Tensor可以看作是由一系列3D平面组成的。

一般地，输入的shape为 $(N,C,D_{in},H_{in},W_{in})$ ，输出 $(D_{in},H_{in},W_{in})$ 维度的区域平均值。给定 kernel_size 为 $ks=(d_{ker},h_{ker},w_{ker})$ 和 stride 为 $s=(s_0,s_1,s_2)$，运算如下：

$$\begin{array}{r}\begin{array}{c}\text{output}(N_i,C_j,d,h,w)=\frac{1}{d_{ker}\ast h_{ker}\ast w_{ker}}\sum _{l=0}^{d_{ker}-1}\sum _{m=0}^{h_{ker}-1}\sum _{n=0}^{w_{ker}-1}\\ \text{input}(N_i,C_j,s_0\times d+l,s_1\times h+m,s_2\times w+n)\end{array}\end{array}$$

警告

• kernel_size 取值为[1, 255]范围内的正整数，stride 的取值为[1, 63]范围内的正整数。

参数：

• input_x (Tensor) - 输入shape为 $(N,C,D_{in},H_{in},W_{in})$ 的Tensor，数据类型为float16和float32。

• kernel_size (Union[int, tuple[int]], 可选) - 指定池化核尺寸大小，可以是单个整数表示池化核深度、高度、宽度，或者整数tuple分别表示池化核深度、高度、宽度。默认值： 1 。

• stride (Union[int, tuple[int]], 可选) - 池化操作的移动步长，可以是单个整数表示深度、高度、宽度方向的移动步长，或者整数tuple分别表示深度、高度、深度方向的移动步长。默认值： 1 。

• padding (Union(int, tuple[int]), 可选) - 池化填充长度。可以是一个整数表示在头尾上下左右方向的填充长度，或者包含六个整数的tuple，分别表示在头尾上下左右方向的填充长度。默认值： 0 。

• ceil_mode (bool, 可选) - 如果为 True ，用ceil代替floor来计算输出的shape。默认值： False 。

• count_include_pad (bool, 可选) - 如果为 True ，平均计算将包括零填充。默认值： True 。

• divisor_override (int, 可选) - 如果指定了该值，它将在平均计算中用作除数，否则将使用 kernel_size 作为除数。默认值： 0 ，表示未指定该值。

返回：

Tensor，shape为 $(N,C,D_{out},H_{out},W_{out})$ ，数据类型与 input_x 一致。

异常：

• TypeError - input_x 不是一个Tensor。

• TypeError - kernel_size 或 stride 或 padding 既不是int也不是tuple。

• TypeError - ceil_mode 或 count_include_pad 不是bool。

• TypeError - divisor_override 不是int。

• ValueError - input_x 的shape长度不等于5。

• ValueError - kernel_size 或 stride 的值不是正整数。

• ValueError - kernel_size 或 stride 是长度不等于3的tuple。

• ValueError - padding 是tuple时，其长度不等于6。

• ValueError - padding 的值小于0。

支持平台：

Ascend GPU CPU

样例：

>>> import mindspore
>>> import numpy as np
>>> from mindspore import Tensor, ops
>>> input_x = Tensor(np.arange(1 * 2 * 2 * 2 * 3).reshape((1, 2, 2, 2, 3)), mindspore.float16)
>>> output = ops.avg_pool3d(input_x, kernel_size=2, stride=1)
>>> print(output)
[[[[[ 5.  6.]]]
  [[[17. 18.]]]]]