42 lines
2.1 KiB
ReStructuredText
42 lines
2.1 KiB
ReStructuredText
mindspore.nn.LPPool1d
|
||
======================
|
||
|
||
.. py:class:: mindspore.nn.LPPool1d(norm_type, kernel_size, stride=None, ceil_mode=False)
|
||
|
||
在一个输入Tensor上应用1D LP池化运算，可被视为组成一个1D输入平面。
|
||
|
||
通常，输入的shape为 :math:`(N_{in}, C_{in}, L_{in})` 或 :math:`(C_{in}, L_{in})`，输出的shape为 :math:`(N_{out}, C_{out}, L_{out})` 或 :math:`(C_{out}, L_{out})`，输出与输入的shape一致，公式如下：
|
||
|
||
.. math::
|
||
f(X) = \sqrt[p]{\sum_{x \in X} x^{p}}
|
||
|
||
.. note::
|
||
该接口暂不支持Atlas A2 训练系列产品。
|
||
|
||
参数：
|
||
- **norm_type** (Union[int, float]) - 标准化类型，代表公式里的 :math:`p` ，不能为0，
|
||
|
||
- 如果 p = 1，得到的结果为池化核内元素之和（与平均池化成比例）；
|
||
- 如果 p = :math:`\infty`，得到的结果为最大池化的结果。
|
||
|
||
- **kernel_size** (int) - 池化核的尺寸大小。
|
||
- **stride** (int) - 池化操作的移动步长，数据类型为整型。如果值为 ``None`` ，则使用默认值 `kernel_size`。默认值： ``None`` 。
|
||
- **ceil_mode** (bool) - 若为 ``True`` ，使用ceil来计算输出shape。若为 ``False`` ，使用floor来计算输出shape。默认值： ``False`` 。
|
||
|
||
输入：
|
||
- **x** (Tensor) - shape为 :math:`(N_{in}, C_{in}, L_{in})` 或 :math:`(C_{in}, L_{in})` 的Tensor。
|
||
|
||
输出：
|
||
- **output** - LPPool1d的计算结果，shape为 :math:`(N_{out}, C_{out}, L_{out})` 或 :math:`(C_{out}, L_{out})` 的Tensor，与输入 `x` 的类型一致，其中：
|
||
|
||
.. math::
|
||
L_{out} = \left\lfloor\frac{L_{in} - \text{kernel_size}}{\text{stride}} + 1\right\rfloor
|
||
|
||
异常：
|
||
- **TypeError** - `x` 不是Tensor。
|
||
- **TypeError** - `kernel_size` 或 `stride` 不是int。
|
||
- **TypeError** - `ceil_mode` 不是bool。
|
||
- **TypeError** - `norm_type` 不是float也不是int。
|
||
- **ValueError** - `norm_type` 等于0。
|
||
- **ValueError** - `kernel_size` 或 `stride` 小于1。
|
||
- **ValueError** - `x` 的shape长度不等于2或3。 |