mindspore.mint.nn.functional.avg_pool1d ======================================= .. py:function:: mindspore.mint.nn.functional.avg_pool1d(input, kernel_size, stride=None, padding=0, ceil_mode=False, count_include_pad=True) 在输入Tensor上应用1D平均池化,输入Tensor可以看作是由一系列1D平面组成的。 一般地,输入的shape为 :math:`(N_{in}, C_{in}, L_{in})` ,输出 :math:`(L_{in})` 维度的区域平均值。给定 `kernel_size` 为 :math:`ks = l_{ker}` 和 `stride` 为 :math:`s = s_0` ,运算如下: .. math:: \text{output}(N_i, C_j, l) = \frac{1}{l_{ker}} \sum_{n=0}^{l_{ker}-1} \text{input}(N_i, C_j, s_0 \times l + n) .. warning:: - 这是一个实验性API,后续可能修改或删除。 参数: - **input** (Tensor) - 输入shape为 :math:`(N, C_{in}, L_{in})` 的Tensor。 - **kernel_size** (Union(int, tuple[int])) - 指定池化核尺寸大小。 - **stride** (Union(int, tuple[int]), 可选) - 池化操作的移动步长。可以是一个整数或者包含一个整数的tuple。默认值: ``None``,表示与 ``kernel_size`` 值相同。 - **padding** (Union(int, tuple[int]), 可选) - 池化填充长度。可以是一个整数或者包含一个整数的tuple。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`` 。 返回: Tensor,shape为 :math:`(N, C_{in}, L_{out})` 。 异常: - **TypeError** - `input` 不是一个Tensor。 - **TypeError** - `kernel_size` 或 `stride` 不是int。 - **TypeError** - `ceil_mode` 或 `count_include_pad` 不是bool。 - **ValueError** - `kernel_size` 或 `stride` 小于1。 - **ValueError** - `kernel_size` 或 `stride` 或 `padding` 不是int或者tuple的长度大于1。