mindspore.nn.MaxUnpool2d

class mindspore.nn.MaxUnpool2d(kernel_size, stride=None, padding=0)[源代码]

mindspore.nn.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 \((N, C, H_{in}, W_{in})\)\((C, H_{in}, W_{in})\) , 输出数据的个格式为 \((N, C, H_{out}, W_{out})\)\((C, H_{out}, W_{out})\) ,计算公式如下:

\[\begin{split}\begin{array}{ll} \\ H_{out} = (H{in} - 1) \times stride[0] - 2 \times padding[0] + kernel\_size[0] \\ W_{out} = (W{in} - 1) \times stride[1] - 2 \times padding[1] + kernel\_size[1] \\ \end{array}\end{split}\]
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]]) - 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。若取值为 ‘None’,stride 值与 kernel_size 相同。 默认值:None。

  • padding (Union[int, tuple[int]]) - 填充值。默认值: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:
  • x (Tensor) - 待求逆的Tensor。shape为 \((N, C, H_{in}, W_{in})\)\((C, H_{in}, W_{in})\)

  • indices (Tensor) - 最大值的索引。shape必须与输入 x 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) - 输出shape。默认值:None。 如果output_size为(),那么输出shape根据 kernel_sizestridepadding 计算得出。 如果output_size不为(),那么 output_size 必须满足格式 \((N, C, H, W)\)\((C, H, W)\)\((H, W)\) ,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:

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

异常:
  • TypeError - xindices 的数据类型不支持。

  • TypeError - kernel_sizestridepadding 既不是整数也不是tuple。

  • ValueError - stridepaddingkernel_size 的值不是非负的。

  • ValueError - xindices 的shape不一致。

  • ValueError - kernel_sizestridepadding 为tuple时长度不等于2。

  • ValueError - x 的长度不为3或4。

  • ValueError - output_size 的类型不是tuple。

  • ValueError - output_size 的长度不为0、3或4。

  • ValueError - output_size 的取值与根据 kernel_size , stride , padding 计算得到的结果差距太大。

支持平台:

GPU CPU

样例:

>>> x = Tensor(np.array([[[[0, 1], [8, 9]]]]).astype(np.float32))
>>> indices = Tensor(np.array([[[[0, 1], [2, 3]]]]).astype(np.int64))
>>> maxunpool2d = nn.MaxUnpool2d(kernel_size=1, stride=1, padding=0)
>>> output = maxunpool2d(x, indices)
>>> print(output.asnumpy())
[[[[0. 1.]
   [8. 9.]]]]