mindspore.mint.nn.MaxUnpool2d
=============================

.. py: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 :math:`(N, C, H_{in}, W_{in})` 或 :math:`(C, H_{in}, W_{in})`，输出数据的格式为 :math:`(N, C, H_{out}, W_{out})` 或 :math:`(C, H_{out}, W_{out})`。计算公式如下：

    .. math::
        \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}

    .. warning::
        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 :math:`(N, C, H_{in}, W_{in})` 或 :math:`(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 :math:`[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 :math:`(N, C, H, W)`、:math:`(C, H, W)` 或 :math:`(H, W)`，取值范围需满足：:math:`[(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 :math:`(N, C, H_{out}, W_{out})` 或 :math:`(C, H_{out}, W_{out})` 。