mindspore.nn.AdaptiveMaxPool2d

class mindspore.nn.AdaptiveMaxPool2d(output_size, return_indices=False)[源代码]

对输入Tensor,提供二维自适应最大池化操作。对于输入任何格式,指定输出的格式都为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。运算如下:

\[\begin{split}\begin{align} h_{start} &= floor(i * H_{in} / H_{out})\\ h_{end} &= ceil((i + 1) * H_{in} / H_{out})\\ w_{start} &= floor(j * W_{in} / W_{out})\\ w_{end} &= ceil((j + 1) * W_{in} / W_{out})\\ Output(i,j) &= {\max Input[h_{start}:h_{end}, w_{start}:w_{end}]} \end{align}\end{split}\]

说明

Ascend平台input输入仅支持float16类型。

参数:
  • 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 \((H, H)\)\(H\)\(W\) 可以是int或None,如果是None,则意味着输出的size与输入相同。

  • return_indices (bool) - 如果为True,输出最大值的索引,默认值为False。

输入:
  • input (Tensor) - AdaptiveMaxPool2d的输入,为三维或四维的Tensor,数据类型为float16、float32或者float64。

输出:

Tensor,数据类型与 input 相同。 输出的shape为 input_shape[:len(input_shape) - len(out_shape)] + out_shape

异常:
  • TypeError - input 不是Tensor。

  • TypeError - input 中的数据不是float16, float32, float64.

  • TypeError - output_size 不是int或者tuple。

  • TypeError - return_indices 不是bool。

  • ValueError - output_size 是tuple,但大小不是2。

  • ValueError - input 的维度不是CHW或者NCHW。

支持平台:

Ascend GPU CPU

样例:

>>> # case 1: output_size=(None, 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)
>>> adaptive_max_pool_2d = nn.AdaptiveMaxPool2d((None, 2))
>>> output = adaptive_max_pool_2d(input)
>>> print(output)
[[[[2. 3.]
   [5. 6.]
   [8. 9.]]
  [[2. 3.]
   [5. 6.]
   [8. 9.]]
  [[2. 3.]
   [5. 6.]
   [8. 9.]]]]
>>> # case 2: output_size=2
>>> adaptive_max_pool_2d = nn.AdaptiveMaxPool2d(2)
>>> output = adaptive_max_pool_2d(input)
>>> print(output)
[[[[5. 6.]
   [8. 9.]]
  [[5. 6.]
   [8. 9.]]
  [[5. 6.]
   [8. 9.]]]]
>>> # case 3: output_size=(1, 2)
>>> adaptive_max_pool_2d = nn.AdaptiveMaxPool2d((1, 2))
>>> output = adaptive_max_pool_2d(input)
>>> print(output)
[[[[8. 9.]]
  [[8. 9.]]
  [[8. 9.]]]]