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.nn.LPPool2d

class mindspore.nn.LPPool2d(norm_type, kernel_size, stride=None, ceil_mode=False)

在一个输入Tensor上应用2D LP池化运算，可被视为组成一个2D输入平面。

通常，输入的shape为 $(N,C,H_{in},W_{in})$，输出的shape为 $(N,C,H_{in},W_{in})$，输出与输入的shape一致，公式如下：

$$f(X)=\sqrt[p]{\sum _{x\in X}{x}^p}$$

说明

该接口暂不支持Atlas A2 训练系列产品。

参数：

• norm_type (Union[int, float]) - 标准化类型，代表公式里的 $p$，不能为0，

  • 如果 p = 1，得到的结果为池化核内元素之和（与平均池化成比例）；

  • 如果 p = $\mathrm{\infty }$，得到的结果为最大池化的结果。

• kernel_size (Union[int, tuple[int]]) - 池化核尺寸大小。如果为整数，则代表池化核的高和宽。如果为tuple，其值必须包含两个整数值分别表示池化核的高和宽。

• stride (Union[int, tuple[int]]) - 池化操作的移动步长，如果为整数，则代表stride的高和宽。如果为tuple，其值必须包含两个整数值分别表示stride的高和宽。如果值为 None ，则使用默认值 kernel_size。 默认值： None 。

• ceil_mode (bool) - 若为 True ，使用ceil模式来计算输出shape。若为 False ，使用floor模式来计算输出shape。默认值： False 。

输入：

• x (Tensor) - shape为 $(N,C,H_{in},W_{in})$ 的Tensor。

输出：

• output - LPPool2d的计算结果，shape为 $(N,C,H_{in},W_{in})$ 的Tensor，与 输入 x 的类型一致，其中

$$H_{out}=\lfloor \frac{H_{in}-\text{kernel\_size}[0]}{\text{stride}[0]}+1\rfloor$$

$$W_{out}=\lfloor \frac{W_{in}-\text{kernel\_size}[1]}{\text{stride}[1]}+1\rfloor$$

异常：

• TypeError - x 不是Tensor。

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

• TypeError - ceil_mode 不是bool。

• TypeError - norm_type 不是float也不是int。

• ValueError - norm_type 等于0。

• ValueError - kernel_size 或 stride 小于1。

• ValueError - kernel_size 或 stride 是一个长度不为2的tuple。

• ValueError - x 的shape长度不等于4。

支持平台：

Ascend GPU CPU

样例：

>>> import mindspore as ms
>>> import numpy as np
>>> a = ms.Tensor(np.arange(2 * 3 * 4 * 5).reshape((2, 3, 4, 5)), dtype=ms.float32)
>>> net = ms.nn.LPPool2d(norm_type=1, kernel_size=3, stride=1)
>>> out = net(a)
>>> print(out)
[[[[  54.   63.   72.]
   [  99.  108.  117.]]
  [[ 234.  243.  252.]
   [ 279.  288.  297.]]
  [[ 414.  423.  432.]
   [ 459.  468.  477.]]]
 [[[ 594.  603.  612.]
   [ 639.  648.  657.]]
  [[ 774.  783.  792.]
   [ 819.  828.  837.]]
  [[ 954.  963.  972.]
   [ 999. 1008. 1017.]]]]