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.MaxPool1d

class mindspore.nn.MaxPool1d(kernel_size=1, stride=1, pad_mode='valid', padding=0, dilation=1, return_indices=False, ceil_mode=False)

在一个输入Tensor上应用1D最大池化运算，该Tensor可被视为一维平面的组合。

通常，输入的shape为 $(N_{in},C_{in},L_{in})$ ，MaxPool1d输出 $(L_{in})$ 维度区域最大值。 给定 kernel_size 为 $ks=(l_{ker})$ 和 stride 为 $s=(s_0)$，公式如下：

$$\text{output}(N_i,C_j,l)=\underset{n=0,\dots ,l_{ker}-1}{max}\text{input}(N_i,C_j,s_0\times l+n)$$

参数：

• kernel_size (int) - 指定池化核尺寸大小。默认值： 1 。

• stride (int) - 池化操作的移动步长，数据类型为整型。默认值： 1 。

• pad_mode (str，可选) - 指定填充模式，填充值为0。可选值为 "same" ， "valid" 或 "pad" 。默认值： "valid" 。

  • "same"：在输入的两端填充，使得当 stride 为 1 时，输入和输出的shape一致。待填充的量由算子内部计算，若为偶数，则均匀地填充在四周，若为奇数，多余的填充量将补充在右端。如果设置了此模式， padding 必须为0。

  • "valid"：不对输入进行填充，返回输出可能的最大长度，不能构成一个完整stride的额外的像素将被丢弃。如果设置了此模式， padding 必须为0。

  • "pad"：对输入填充指定的量。在这种模式下，填充的量由 padding 参数指定。如果设置此模式， padding 必须大于或等于0。

• padding (Union(int, tuple[int], list[int])) - 池化填充值。默认值： 0 。 padding 只能是一个整数或者包含一个整数的tuple/list，设定后，则会在输入的左边和右边填充 padding 次或者 padding[0] 次。

• dilation (Union(int, tuple[int])) - 卷积核中各个元素之间的间隔大小，用于提升池化操作的感受野。如果为tuple，其长度只能为1。默认值： 1 。

• return_indices (bool) - 若为 True ，将会同时返回最大池化的结果和索引。默认值： False 。

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

输入：

• x (Tensor) - shape为 $(N,C_{in},L_{in})$ 或 $(C_{in},L_{in})$ 的Tensor。

输出：

如果 return_indices 为False，则是shape为 $(N,C_{out},L_{out})$ 或 $(C_{out},L_{out})$ 的Tensor。数据类型与 x 一致。 如果 return_indices 为True，则是一个包含了两个Tensor的Tuple，表示maxpool的计算结果以及生成max值的位置。

• output (Tensor) - 最大池化结果，shape为 $(N,C_{out},L_{out})$ 或 $(C_{out},L_{out})$ 的Tensor。数据类型与 x 一致。

• argmax (Tensor) - 最大值对应的索引。数据类型为int64。

其中，如果 pad_mode 为 pad 模式时，输出的shape计算公式如下：

$$L_{out}=\lfloor \frac{L_{in}+2\times \text{padding}-\text{dilation}\times (\text{kernel\_size}-1)-1}{\text{stride}}+1\rfloor$$

异常：

• TypeError - kernel_size 或 strides 不是整数。

• ValueError - pad_mode 既不是 "valid" ，也不是 "same" 或者 "pad"，不区分大小写。

• ValueError - data_format 既不是 'NCHW' 也不是 'NHWC'。

• ValueError - kernel_size 或 strides 小于1。

• ValueError - x 的shape长度不等于2或3。

• ValueError - 当 pad_mode 不为 "pad" 时，padding、 dilation、 return_indices、 ceil_mode 参数不为默认值。

• ValueError - padding 参数为tuple/list时长度不为1。

• ValueError - dilation 参数为tuple时长度不为1。

• ValueError - dilation 参数不为int也不为tuple。

• ValueError - pad_mode 不为 "pad" 的时候 padding 为非0。

支持平台：

Ascend GPU CPU

样例：

>>> import mindspore as ms
>>> import mindspore.nn as nn
>>> import numpy as np
>>> mpool1 = nn.MaxPool1d(kernel_size=3, stride=1)
>>> x = ms.Tensor(np.random.randint(0, 10, [1, 2, 4]), ms.float32)
>>> output = mpool1(x)
>>> result = output.shape
>>> print(result)
(1, 2, 2)
>>> np_x = np.random.randint(0, 10, [5, 3, 4])
>>> x = ms.Tensor(np_x, ms.float32)
>>> mpool2 = nn.MaxPool1d(kernel_size=2, stride=1, pad_mode="pad", padding=1, dilation=1, return_indices=True)
>>> output = mpool2(x)
>>> print(output[0].shape)
(5, 3, 5)
>>> print(output[1].shape)
(5, 3, 5)