mindspore.mint.nn.MaxUnpool2d

class mindspore.mint.nn.MaxUnpool2d(kernel_size, stride=None, padding=0)

MaxPool2d 的逆过程。

MaxUnpool2d 在计算过程中，保留最大值位置的元素，并将非最大值位置元素设置为0。支持的输入数据格式为 \((N, C, H_{in}, W_{in})\) 或 \((C, H_{in}, W_{in})\)，输出数据的格式为 \((N, C, H_{out}, W_{out})\) 或 \((C, H_{out}, W_{out})\)。计算公式如下：

\[\begin{split}\begin{array}{ll} \\ H_{out} = (H_{in} - 1) \times stride[0] - 2 \times padding[0] + kernel\_size[0] \\ W_{out} = (W_{in} - 1) \times stride[1] - 2 \times padding[1] + kernel\_size[1] \\ \end{array}\end{split}\]

警告

这是一个实验性API，后续可能修改或删除。

参数：

• kernel_size (Union[int, tuple[int]]) - 池化核尺寸大小。int类型表示池化核的长宽相同。tuple类型中的两个值分别代表池化核的长和宽。

• stride (Union[int, tuple[int]]，可选) - 池化操作的移动步长，int类型表示长宽方向的移动步长相同。tuple中的两个值分别代表长宽方向移动的步长。默认 None，表示移动步长为 kernel_size。

• padding (Union[int, tuple[int]]，可选) - 填充值。默认 0。若为int类型，则长宽方向的填充大小相同，均为 padding。若为tuple类型，则tuple中的两个值分别代表长宽方向填充的大小。

输入：

• input (Tensor) - 待求逆的tensor，shape为 \((N, C, H_{in}, W_{in})\) 或 \((C, H_{in}, W_{in})\)。

• indices (Tensor) - 最大值的索引。shape必须与输入 input 相同。取值范围需满足 \([0, H_{in} \times W_{in} - 1]\)。数据类型必须是int32或int64。

• output_size (tuple[int]，可选) - 目标输出大小。默认 None。如果output_size为()，那么输出shape根据 kernel_size、stride 和 padding 计算得出。如果output_size不为()，那么 output_size 必须满足格式 \((N, C, H, W)\)、\((C, H, W)\) 或 \((H, W)\)，取值范围需满足：\([(N, C, H_{out} - stride[0], W_{out} - stride[1]), (N, C, H_{out} + stride[0], W_{out} + stride[1])]\)。

输出：

Tensor，shape为 \((N, C, H_{out}, W_{out})\) 或 \((C, H_{out}, W_{out})\) 。

支持平台：

Ascend

样例：

>>> import mindspore
>>> input = mindspore.tensor([[[[0, 1], [8, 9]]]], mindspore.float32)
>>> indices = mindspore.tensor([[[[0, 1], [2, 3]]]], mindspore.int64)
>>> net = mindspore.mint.nn.MaxUnpool2d(1, stride=1, padding=0)
>>> output = net(input, indices)
>>> print(output.asnumpy())
[[[[0. 1.]
   [8. 9.]]]]