MaxPool3D

paddle.nn.MaxPool3D ( kernel_size, stride\=None, padding\=0, ceil_mode\=False, return_mask\=False, data_format\=’NCDHW’, name\=None ) [源代码]

该接口用于构建 MaxPool3D 类的一个可调用对象，其将构建一个二维最大池化层，根据输入参数 kernel_size, stride, padding 等参数对输入做最大池化操作。

例如：

输入：

X 形状：

MaxPool3D - 图1

属性：

kernel_size:

MaxPool3D - 图2

stride:

MaxPool3D - 图3

输出：

Out 形状：(N,C,Dout,Hout,Wout)(N,C,Dout,Hout,Wout)

..math::out(Ni,Cj,d,h,w)\=maxk\=0,…,kD−1maxm\=0,…,kH−1maxn\=0,…,kW−1input(Ni,Cj,stride[0]×d+k,stride[1]×h+m,stride[2]×w+n)..math::out(Ni,Cj,d,h,w)\=maxk\=0,…,kD−1maxm\=0,…,kH−1maxn\=0,…,kW−1input(Ni,Cj,stride[0]×d+k,stride[1]×h+m,stride[2]×w+n)

参数

  • kernel_size (int|list|tuple): 池化核大小。如果它是一个元组或列表，它必须包含三个整数值， (pool_size_Depth，pool_size_Height, pool_size_Width)。若为一个整数，则表示D，H和W维度上均为该值，比如若pool_size=2, 则池化核大小为[2,2,2]。

  • stride (int|list|tuple)：池化层的步长。如果它是一个元组或列表，它将包含三个整数，(pool_stride_Depth，pool_stride_Height, pool_stride_Width)。若为一个整数，则表示D, H和W维度上stride均为该值。默认值为kernel_size.

  • padding (string|int|list|tuple) 池化填充。如果它是一个字符串，可以是”VALID”或者”SAME”，表示填充算法。如果它是一个元组或列表，它可以有3种格式：(1)包含3个整数值：[pad_depth, pad_height, pad_width]；(2)包含6个整数值：[pad_depth_front, pad_depth_back, pad_height_top, pad_height_bottom, pad_width_left, pad_width_right]；(3)包含5个二元组：当 data_format 为”NCDHW”时为[[0,0], [0,0], [pad_depth_front, pad_depth_back], [pad_height_top, pad_height_bottom], [pad_width_left, pad_width_right]]，当 data_format 为”NDHWC”时为[[0,0], [pad_depth_front, pad_depth_back], [pad_height_top, pad_height_bottom], [pad_width_left, pad_width_right], [0,0]]。若为一个整数，则表示D、H和W维度上均为该值。默认值：0

  • ceil_mode (bool)：是否用ceil函数计算输出高度和宽度。如果是True，则使用 ceil 计算输出形状的大小。默认为False

  • return_mask (bool)：是否返回最大索引和输出。默认为False.

  • data_format (str)： 输入和输出的数据格式，可以是”NCDHW”和”NDHWC”。N是批尺寸，C是通道数，D是特征深度，H是特征高度，W是特征宽度。默认值：”NDCHW”。

  • name (str)：函数的名字，默认为None.

形状

  • x (Tensor): 默认形状为（批大小，通道数，长度，高度，宽度），即NCDHW格式的5-D Tensor。 其数据类型为float16, float32, float64, int32或int64.

  • output (Tensor): 默认形状为（批大小，通道数，输出特征长度，输出特征高度，输出特征宽度），即NCDHW格式的5-D Tensor。 其数据类型与输入相同。

返回

计算MaxPool3D的可调用对象

代码示例

  1. import paddle
  2. import paddle.nn as nn
  3. import numpy as np
  4. # max pool3d
  5. input = paddle.uniform(shape=[1, 2, 3, 32, 32], dtype='float32', min=-1, max=1)
  6. MaxPool3D = nn.MaxPool3D(kernel_size=2,
  7.                          stride=2, padding=0)
  8. output = MaxPool3D(input)
  9. # output.shape [1, 2, 3, 16, 16]
  10. # for return_mask=True
  11. MaxPool3D = nn.MaxPool3D(kernel_size=2,stride=2, padding=0, return_mask=True)
  12. output, max_indices = MaxPool3D(input)
  13. # output.shape [1, 2, 3, 16, 16], max_indices.shape [1, 2, 3, 16, 16],