60 lines
5.5 KiB
ReStructuredText
60 lines
5.5 KiB
ReStructuredText
mindspore.nn.MaxPool2d
|
||
=======================
|
||
|
||
.. py:class:: mindspore.nn.MaxPool2d(kernel_size=1, stride=1, pad_mode="valid", padding=0, dilation=1, return_indices=False, ceil_mode=False, data_format="NCHW")
|
||
|
||
在一个输入Tensor上应用2D最大池化运算，可被视为组成一个2D平面。
|
||
|
||
通常，输入的shape为 :math:`(N_{in}, C_{in}, H_{in}, W_{in})` ，MaxPool2d输出 :math:`(H_{in}, W_{in})` 维度区域最大值。给定 `kernel_size` 为 :math:`(h_{ker}, w_{ker})` ， `stride` 为 :math:`(s_0, s_1)`，公式如下。
|
||
|
||
.. math::
|
||
\text{output}(N_i, C_j, h, w) = \max_{m=0, \ldots, h_{ker}-1} \max_{n=0, \ldots, w_{ker}-1}
|
||
\text{input}(N_i, C_j, s_0 \times h + m, s_1 \times w + n)
|
||
|
||
参数：
|
||
- **kernel_size** (Union[int, tuple[int]]) - 指定池化核尺寸大小，如果为整数或单元素tuple，则代表池化核的高和宽。如果为tuple且长度不为1，其值必须包含两个整数值分别表示池化核的高和宽。默认值： ``1`` 。
|
||
- **stride** (Union[int, tuple[int]]) - 池化操作的移动步长，如果为整数或单元素tuple，则代表池化核的高和宽方向的移动步长。如果为tuple且长度不为1，其值必须包含两个整数值分别表示池化核的高和宽的移动步长。默认值： ``1`` 。
|
||
- **pad_mode** (str，可选) - 指定填充模式，填充值为0。可选值为 ``"same"`` ， ``"valid"`` 或 ``"pad"`` 。默认值： ``"valid"`` 。
|
||
|
||
- ``"same"``：在输入的四周填充，使得当 `stride` 为 ``1`` 时，输入和输出的shape一致。待填充的量由算子内部计算，若为偶数，则均匀地填充在四周，若为奇数，多余的填充量将补充在底部/右侧。如果设置了此模式， `padding` 必须为0。
|
||
- ``"valid"``：不对输入进行填充，返回输出可能的最大高度和宽度，如果不能构成一个完整stride，那么额外的像素将被丢弃。如果设置了此模式， `padding` 必须为0。
|
||
- ``"pad"``：对输入填充指定的量。在这种模式下，在输入的高度和宽度方向上填充的量由 `padding` 参数指定。如果设置此模式， `padding` 必须大于或等于0。
|
||
|
||
- **padding** (Union(int, tuple[int], list[int])) - 池化填充值。默认值： ``0`` 。 `padding` 只能是一个整数或者包含一个或两个整数的元组，若 `padding` 为一个整数或者包含一个整数的tuple/list，则会分别在输入的上下左右四个方向进行 `padding` 次的填充，若 `padding` 为一个包含两个整数的tuple/list，则会在输入的上下进行 `padding[0]` 次的填充，在输入的左右进行 `padding[1]` 次的填充。
|
||
- **dilation** (Union(int, tuple[int])) - 卷积核中各个元素之间的间隔大小，用于提升池化操作的感受野。如果为tuple，其值必须包含一个或两个整数。默认值： ``1`` 。
|
||
- **return_indices** (bool) - 若为True，将会同时返回最大池化的结果和索引。默认值： ``False`` 。
|
||
- **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`` 。
|
||
- **data_format** (str) - 输入数据格式可为 ``'NHWC'`` 或 ``'NCHW'`` 。默认值： ``'NCHW'`` 。
|
||
|
||
输入：
|
||
- **x** (Tensor) - 输入数据的shape为 :math:`(N,C_{in},H_{in},W_{in})` 或 :math:`(C_{in},H_{in},W_{in})` 的Tensor。
|
||
|
||
输出：
|
||
如果 `return_indices` 为 ``False`` ，则是shape为 :math:`(N, C, H_{out}, W_{out})` 或者 :math:`(C_{out}, H_{out}, W_{out})` 的Tensor。数据类型与 `x` 一致。
|
||
如果 `return_indices` 为 ``True`` ，则是一个包含了两个Tensor的Tuple，表示maxpool的计算结果以及生成max值的位置。
|
||
|
||
- **output** (Tensor) - 最大池化结果，shape为 :math:`(N_{out}, C_{out}, H_{out}, W_{out})` 或者 :math:`(C_{out}, H_{out}, W_{out})` 的Tensor。数据类型与 `x` 一致。
|
||
- **argmax** (Tensor) - 最大值对应的索引。数据类型为int64。
|
||
|
||
其中，如果 `pad_mode` 为 `pad` 模式时，输出的shape计算公式如下：
|
||
|
||
.. math::
|
||
H_{out} = \left\lfloor\frac{H_{in} + 2 * \text{padding[0]} - \text{dilation[0]}
|
||
\times (\text{kernel_size[0]} - 1) - 1}{\text{stride[0]}} + 1\right\rfloor
|
||
|
||
.. math::
|
||
W_{out} = \left\lfloor\frac{W_{in} + 2 * \text{padding[1]} - \text{dilation[1]}
|
||
\times (\text{kernel_size[1]} - 1) - 1}{\text{stride[1]}} + 1\right\rfloor
|
||
|
||
异常：
|
||
- **TypeError** - `kernel_size` 或 `strides` 既不是整数也不是元组。
|
||
- **ValueError** - `pad_mode` 既不是 ``"valid"`` ，也不是 ``"same"`` 或者 ``"pad"``，不区分大小写。
|
||
- **ValueError** - `data_format` 既不是 ``'NCHW'`` 也不是 ``'NHWC'``。
|
||
- **ValueError** - `kernel_size` 或 `strides` 小于1。
|
||
- **ValueError** - `x` 的shape长度不等于3或4。
|
||
- **ValueError** - 当 `pad_mode` 不为 ``"pad"`` 时，`padding`、 `dilation`、 `return_indices`、 `ceil_mode` 参数不为默认值。
|
||
- **ValueError** - `padding` 参数为tuple/list时长度不为2。
|
||
- **ValueError** - `dilation` 参数为tuple时长度不为2。
|
||
- **ValueError** - `dilation` 参数不为int也不为tuple。
|
||
- **ValueError** - `pad_mode` 为 ``"pad"`` 时，`data_format` 为 ``'NHWC'`` 。
|
||
- **ValueError** - `pad_mode` 不为 ``"pad"`` 的时候 `padding` 为非0。 |