mindspore.ops.max_pool3d

mindspore.ops.max_pool3d(x, kernel_size, stride=None, padding=0, dilation=1, ceil_mode=False, return_indices=False)[源代码]

三维最大值池化。

输入是shape为 \((N_{in}, C_{in}, D_{in}, H_{in}, W_{in})\) 的Tensor,输出 \((D_{in}, H_{in}, W_{in})\) 维度中的最大值。给定 kernel_size \(ks = (d_{ker}, h_{ker}, w_{ker})\),和 stride \(s = (s_0, s_1, s_2)\),运算如下:

\[\text{output}(N_i, C_j, d, h, w) = \max_{l=0, \ldots, d_{ker}-1} \max_{m=0, \ldots, h_{ker}-1} \max_{n=0, \ldots, w_{ker}-1} \text{input}(N_i, C_j, s_0 \times d + l, s_1 \times h + m, s_2 \times w + n)\]
参数:
  • x (Tensor) - shape为 \((N_{in}, C_{in}, D_{in}, H_{in}, W_{in})\) 的Tensor。支持数据类型包括int8、int16、int32、int64、uint8、uint16、uint32、uint64、float16、float32和float64。

  • kernel_size (Union[int, tuple[int]]) - 池化核尺寸大小。可以是一个整数表示池化核的深度,高度和宽度,或者包含三个整数的tuple,分别表示池化核的深度,高度和宽度。

  • stride (Union[int, tuple[int]]) - 池化操作的移动步长。可以是一个整数表示在深度,高度和宽度方向的移动步长,或者包含三个整数的tuple,分别表示在深度,高度和宽度方向的移动步长。默认值: None , 表示移动步长为 kernel_size

  • padding (Union[int, tuple[int]]) - 池化填充长度。可以是一个整数表示在深度,高度和宽度方向的填充长度,或者包含三个整数的tuple,分别表示在深度,高度和宽度方向的填充长度。默认为 0

  • dilation (Union[int, tuple[int]]) - 控制池化核内元素的间距。默认为 1

  • ceil_mode (bool) - 是否是用ceil代替floor来计算输出的shape。默认为 False

  • return_indices (bool) - 是否输出最大值的索引。默认为 False

返回:
  • output (Tensor) - 输出的池化后的最大值,shape 为 \((N_{out}, C_{out}, D_{out}, H_{out}, W_{out})\) 。其数据类型与 x 相同。

  • argmax (Tensor) - 输出的最大值对应的索引,数据类型为int64。仅当 return_indices 为True的时候才返回该值。

异常:
  • TypeError - x 不是Tensor。

  • ValueError - x 的维度不是5D。

  • TypeError - kernel_sizestridepaddingdilation 不是int或者tuple。

  • ValueError - kernel_sizestride 的元素值小于1。

  • ValueError - padding 的元素值小于0。

支持平台:

Ascend GPU CPU

样例:

>>> x = Tensor(np.arange(2 * 1 * 2 * 2 * 2).reshape((2, 1, 2, 2, 2)), mindspore.float32)
>>> output_tensor, argmax = ops.max_pool3d(x, kernel_size=2, stride=1, padding=1, return_indices=True)
>>> print(output_tensor.shape)
(2, 1, 3, 3, 3)
>>> print(argmax.shape)
(2, 1, 3, 3, 3)