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。

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.mint.nn.functional.adaptive_avg_pool2d

mindspore.mint.nn.functional.adaptive_avg_pool2d(input, output_size)

对一个多平面输入信号执行二维自适应平均池化。也就是说，对于输入任何尺寸，指定输出的尺寸都为H * W。但是输入和输出特征的数目不会变化。

输入和输出数据格式可以是"NCHW"和"CHW"。N是批处理大小，C是通道数，H是特征高度，W是特征宽度。

对于二维的自适应平均池化操作，有如下公式：

$$\begin{array}{r}\begin{array}{rl}{h}_{start}& =floor(i\ast H_{in}/H_{out})\\ h_{end}& =ceil((i+1)\ast H_{in}/H_{out})\\ w_{start}& =floor(j\ast W_{in}/W_{out})\\ w_{end}& =ceil((j+1)\ast W_{in}/W_{out})\\ Output(i,j)& =\frac{\sum Input[h_{start}:h_{end},w_{start}:w_{end}]}{(h_{end}-h_{start})\ast (w_{end}-w_{start})}\end{array}\end{array}$$

警告

这是一个实验性API，后续可能修改或删除。

参数：

• input (Tensor) - adaptive_avg_pool2d的输入，为三维或四维的Tensor，数据类型为float16或者float32。

• output_size (Union[int, tuple]) - 输出特征图的size。 output_size 可以为二元tuple表示 $(H,W)$。或者是单个int表示 $(H,H)$ 。 $H$ 和 $W$ 可以是int或None，如果是None，则意味着输出的size与输入相同。

返回：

Tensor，数据类型与 input 相同。

输出的shape为 input_shape[:len(input_shape) - len(out_shape)] + out_shape 。

$$\begin{array}{r}out\mathrm{\_}shape=\{\begin{array}{ll}input\mathrm{\_}shape[-2]+output\mathrm{\_}size[1],& \text{if }output\mathrm{\_}size\text{ is (None, w);}\\ output\mathrm{\_}size[0]+input\mathrm{\_}shape[-1],& \text{if }output\mathrm{\_}size\text{ is (h, None);}\\ input\mathrm{\_}shape[-2:],& \text{if }output\mathrm{\_}size\text{ is (None, None);}\\ (h,h),& \text{if }output\mathrm{\_}size\text{ is h;}\\ (h,w),& \text{if }output\mathrm{\_}size\text{ is (h, w)}\end{array}\end{array}$$

异常：

• ValueError - 如果 output_size 是tuple，并且 output_size 的长度不是2。

• ValueError - 如果 input 的维度小于或等于 output_size 的维度。

• TypeError - 如果 input 不是Tensor。

• TypeError - 如果 input 的数据类型不是float16、float32或者float64。

支持平台：

Ascend

样例：

>>> import mindspore
>>> import numpy as np
>>> from mindspore import Tensor, mint
>>> # case 1: output_size=(3, 2)
>>> input = Tensor(np.array([[[1.0, 2.0, 3.0], [4.0, 5.0, 6.0], [7.0, 8.0, 9.0]],
...                            [[1.0, 2.0, 3.0], [4.0, 5.0, 6.0], [7.0, 8.0, 9.0]],
...                            [[1.0, 2.0, 3.0], [4.0, 5.0, 6.0], [7.0, 8.0, 9.0]]]), mindspore.float32)
>>> output = mint.nn.functional.adaptive_avg_pool2d(input, (3, 2))
>>> print(output)
[[[1.5 2.5]
 [4.5 5.5]
 [7.5 8.5]]
[[1.5 2.5]
 [4.5 5.5]
 [7.5 8.5]]
[[1.5 2.5]
 [4.5 5.5]
 [7.5 8.5]]]