mindspore.ops.AvgPool3D

查看源文件
class mindspore.ops.AvgPool3D(kernel_size=1, strides=1, pad_mode='valid', pad=0, ceil_mode=False, count_include_pad=True, divisor_override=0, data_format='NCDHW')[源代码]

对输入的多维数据进行三维的平均池化运算。

一般,输入shape为 \((N, C, D_{in}, H_{in}, W_{in})\) ,AvgPool3D在 \((D_{in}, H_{in}, W_{in})\) 维度上输出区域平均值。给定 kernel_size\(ks = (d_{ker}, h_{ker}, w_{ker})\)stride \(s = (s_0, s_1, s_2)\) ,运算如下:

警告

“kernel_size”在[1, 255]范围中。”strides”在[1, 63]范围中。

\[\text{output}(N_i, C_j, d, h, w) = \frac{1}{d_{ker} * h_{ker} * w_{ker}} \sum_{l=0}^{d_{ker}-1} \sum_{m=0}^{h_{ker}-1} \sum_{n=0}^{w_{ker}-1} \text{input}(N_i, C_j, s_0 \times d + l, s_1 \times h + m, s_2 \times w + n)\]
参数:
  • kernel_size (Union[int, tuple[int]]) - 指定池化核尺寸大小,是一个整数,对应深度、高度和宽度,或者是含3个分别对应深度、高度和宽度整数的tuple。默认值: 1

  • strides (Union[int, tuple[int]]) - 池化操作的移动步长,是一个整数,对应移动深度、高度和宽度,或者是含3个分别表对应移动深度、高度和宽度整数的tuple。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""pad" 。默认值: "valid"

    • "same":在输入的深度、高度和宽度维度进行填充,使得当 stride1 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前方/底部/右侧。如果设置了此模式, pad 必须为0。

    • "valid":不对输入进行填充,返回输出可能的最大深度、高度和宽度,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, pad 必须为0。

    • "pad":对输入填充指定的量。在这种模式下,在输入的深度、高度和宽度方向上填充的量由 pad 参数指定。如果设置此模式, pad 必须大于或等于0。

  • pad (Union(int, tuple[int], list[int])) - 池化填充方式。默认值: 0 。如果 pad 是一个整数,则头部、尾部、顶部、底部、左边和右边的填充都是相同的,等于 pad 。如果 pad 是六个integer的tuple,则头部、尾部、顶部、底部、左边和右边的填充分别等于填充pad[0]、pad[1]、pad[2]、pad[3]、pad[4]和pad[5]。

  • ceil_mode (bool) - 是否使用ceil函数计算输出高度和宽度。默认值: False

  • count_include_pad (bool) - 如果为 True ,平均计算将包括零填充。默认值: True

  • divisor_override (int) - 如果指定了该值,它将在平均计算中用作除数,否则将使用kernel_size作为除数。默认值: 0

  • data_format (str) - 输入和输出的数据格式。目前仅支持’NCDHW’。默认值: "NCDHW"

输入:
  • x (Tensor) - shape为 \((N, C, D_{in}, H_{in}, W_{in})\) 的Tensor。数据类型为float16、float32和float64。

输出:

Tensor,其shape为 \((N, C, D_{out}, H_{out}, W_{out})\) ,数据类型与 x 相同。

异常:
  • TypeError - kernel_sizestridespad 既不是int也不是tuple。

  • TypeError - ceil_modecount_include_pad 不是bool。

  • TypeError - pad_modedata_format 不是string。

  • TypeError - divisor_override 不是int。

  • ValueError - kernel_sizestrides 中的数字不是正数。

  • ValueError - kernel_sizestrides 是长度不等于3的tuple。

  • ValueError - pad_mode 不是’same’,’valid’,或’pad’。

  • ValueError - pad 是长度不等于6的tuple。

  • ValueError - pad 的元素小于0。

  • ValueError - pad_mode 不等于’pad’且 pad 不等于0或(0, 0, 0, 0, 0, 0)。

  • ValueError - data_format 不是’NCDHW’。

支持平台:

Ascend GPU CPU

样例:

>>> import mindspore
>>> from mindspore import Tensor, ops
>>> import numpy as np
>>> x = Tensor(np.arange(1 * 2 * 2 * 2 * 3).reshape((1, 2, 2, 2, 3)), mindspore.float16)
>>> avg_pool3d = ops.AvgPool3D(kernel_size=2, strides=1, pad_mode="valid")
>>> output = avg_pool3d(x)
>>> print(output)
[[[[[ 5.  6.]]]
  [[[17. 18.]]]]]