Pool2D

Pool2D

class paddle.fluid.dygraph.Pool2D ( pool_size=- 1, pool_type=’max’, pool_stride=1, pool_padding=0, global_pooling=False, use_cudnn=True, ceil_mode=False, exclusive=True, data_format=’NCHW’ ) [源代码]

该接口用于构建 Pool2D 类的一个可调用对象，具体用法参照 代码示例 。其将在神经网络中构建一个二维池化层，并使用上述输入参数的池化配置，为二维空间池化操作，根据 input ，池化类型 pool_type ，池化核大小 pool_size , 步长 pool_stride ，填充 pool_padding 这些参数得到输出。

输入X和输出Out默认是NCHW格式，N为批大小，C是通道数，H是特征高度，W是特征宽度。参数（ ksize, strides, paddings ）含有两个整型元素。分别表示高度和宽度上的参数。输入X的大小和输出Out的大小可能不一致。

例如：

输入：

X shape：

输出：

Out shape：

如果 ceil_mode = false：

如果 ceil_mode = true：

如果 exclusive = false:

如果 exclusive = true:

参数：

pool_size (int|list|tuple, 可选) - 池化核的大小。如果它是一个元组或列表，它必须包含两个整数值， (pool_size_Height, pool_size_Width)。若为一个整数，则它的平方值将作为池化核大小，比如若pool_size=2, 则池化核大小为2x2。默认值：-1。
pool_type (str, 可选) - 池化类型，可以是”max“对应max-pooling，“avg”对应average-pooling。默认为”max“。
pool_stride (int|list|tuple, 可选) - 池化层的步长。如果它是一个元组或列表，它将包含两个整数，(pool_stride_Height, pool_stride_Width)。若为一个整数，则表示H和W维度上stride均为该值。默认值为1。
pool_padding (int|list|tuple, 可选) - 填充大小。如果它是一个元组或列表，它必须包含两个整数值，(pool_padding_on_Height, pool_padding_on_Width)。若为一个整数，则表示H和W维度上padding均为该值。默认值为1。
global_pooling （bool, 可选）- 是否用全局池化。如果global_pooling = True， pool_size 和 pool_padding 将被忽略，默认False。
use_cudnn （bool, 可选）- 是否用cudnn核，只有已安装cudnn库时才有效。默认True。
ceil_mode （bool, 可选）- 是否用ceil函数计算输出高度和宽度。如果设为False，则使用floor函数。默认为False。
exclusive (bool, 可选) - 是否在平均池化模式忽略填充值。默认为True。
data_format (str，可选) - 指定输入的数据格式，输出的数据格式将与输入保持一致，可以是”NCHW”和”NHWC”。N是批尺寸，C是通道数，H是特征高度，W是特征宽度。默认值：”NCHW”。

返回：无

抛出异常：

ValueError - 如果 pool_type 既不是“max”也不是“avg”。
ValueError - 如果 global_pooling 为False并且 pool_size 为-1。
ValueError - 如果 use_cudnn 不是bool值。
ValueError - 如果 data_format 既不是”NCHW”也不是”NHWC”。

代码示例

import paddle.fluid as fluid
from paddle.fluid.dygraph.base import to_variable
import numpy as np
with fluid.dygraph.guard():
   data = np.random.random((3, 32, 32, 5)).astype('float32')
   pool2d = fluid.dygraph.Pool2D(pool_size=2,
                  pool_type='max',
                  pool_stride=1,
                  global_pooling=False)
   pool2d_res = pool2d(to_variable(data))