max_pool2d

max_pool2d

paddle.nn.functional.max_pool2d ( x, kernel_size, stride\=None, padding\=0, ceil_mode\=False, return_mask\=False, data_format\=’NCHW’, name\=None ) [源代码]

该接口用于构建 max_pool2d 类的一个可调用对象，其将构建一个二维平均池化层，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：

属性：

kernel_size:

stride:

输出：

Out 形状：(N,C,Hout,Wout)(N,C,Hout,Wout)

out(Ni,Cj,h,w)\=maxm\=0,…,ksize[0]−1maxn\=0,…,ksize[1]−1input(Ni,Cj,stride[0]×h+m,stride[1]×w+n)out(Ni,Cj,h,w)\=maxm\=0,…,ksize[0]−1maxn\=0,…,ksize[1]−1input(Ni,Cj,stride[0]×h+m,stride[1]×w+n)

参数

x (Tensor)：形状为 [N,C,H,W] 或 [N,H,W,C] 的4-D Tensor，N是批尺寸，C是通道数，H是特征高度，W是特征宽度，数据类型为float32或float64。

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。

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2个整数值：[pad_height, pad_width]；(2)包含4个整数值：[pad_height_top, pad_height_bottom, pad_width_left, pad_width_right]；(3)包含4个二元组：当 data_format 为”NCHW”时为 [[0,0], [0,0], [pad_height_top, pad_height_bottom], [pad_width_left, pad_width_right]]，当 data_format 为”NHWC”时为[[0,0], [pad_height_top, pad_height_bottom], [pad_width_left, pad_width_right], [0,0]]。若为一个整数，则表示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None

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”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”

name (str)：函数的名字，默认为None.

4-D Tensor，数据类型与输入 x 一致。

代码示例

import paddle
import paddle.nn.functional as F
# max pool2d
input = paddle.uniform(shape=[1, 2, 32, 32], dtype='float32', min=-1, max=1)
output = F.max_pool2d(input,
                      kernel_size=2,
                      stride=2, padding=0)
# output.shape [1, 3, 16, 16]
# for return_mask=True
output, max_indices = F.max_pool2d(input,
                                   kernel_size=2,
                                   stride=2,
                                   padding=0,
                                   return_mask=True)
# output.shape [1, 3, 16, 16], max_indices.shape [1, 3, 16, 16],