MaxPool1D

paddle.nn.MaxPool1D ( kernel_size, stride=None, padding=0, return_mask=False, ceil_mode=False, name=None ) [源代码]

该算子根据输入 x , kernel_size 等参数对一个输入Tensor计算1D的最大值池化。输入和输出都是3-D Tensor， 默认是以 NCL 格式表示的，其中 N 是 batch size, C 是通道数, L 是输入特征的长度。

假设输入形状是(N, C, L)，输出形状是 (N, C, L_{out})，卷积核尺寸是k, 1d最大值池化计算公式如下:

MaxPool1D - 图1

参数

  • kernel_size (int|list|tuple): 池化核的尺寸大小. 如果kernel_size为list或tuple类型, 其必须包含一个整数, 最终池化核的大小为该数值。

  • stride (int|list|tuple): 池化操作步长. 如果stride为list或tuple类型, 其必须包含一个整数，最终池化操作的步长为该数值。

  • padding (string|int|list|tuple): 池化补零的方式. 如果padding是一个字符串，则必须为 SAME 或者 VALID 。 如果是turple或者list类型， 则应是 [pad_left, pad_right] 形式。如果padding是一个非0值，那么表示会在输入的两端都padding上同样长度的0。

  • return_mask (bool): 是否返回最大值的索引，默认为False。

  • ceil_mode (bool): 是否用ceil函数计算输出的height和width，如果设置为False, 则使用floor函数来计算，默认为False。

  • name (str，可选): 操作的名称(可选，默认值为None）。更多信息请参见 Name。

形状

  • x (Tensor): 默认形状为（批大小，通道数，长度），即NCL格式的3-D Tensor。 其数据类型为float32或float64.

  • output (Tensor): 默认形状为（批大小，通道数，输出特征长度），即NCL格式的3-D Tensor。 其数据类型与输入x相同。

返回

计算MaxPool1D的可调用对象

代码示例

  1. import paddle
  2. import paddle.nn as nn
  4. data = paddle.uniform(shape=[1, 2, 32], dtype='float32', min=-1, max=1)
  5. MaxPool1D = nn.layer.MaxPool1D(kernel_size=2, stride=2, padding=0)
  6. pool_out = MaxPool1D(data)
  7. # pool_out shape: [1, 3, 16]
  9. MaxPool1D = nn.layer.MaxPool1D(kernel_size=2, stride=2, padding=0, return_mask=True)
  10. pool_out, indices = MaxPool1D(data)
  11. # pool_out shape: [1, 3, 16], indices shape: [1, 3, 16]