avg_pool3d

paddle.nn.functional.avg_pool3d ( x, kernel_size, stride\=None, padding\=0, ceil_mode\=False, exclusive\=True, divisor_override\=None, data_format\=’NCDHW’, name\=None ) [源代码]

该函数是一个三维平均池化函数, 根据输入参数 kernel_size, stride, padding 等参数对输入做平均池化操作。

例如：

输入：

X 形状：

属性：

kernel_size:

stride:

输出：

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

out(Ni,Cj,d,h,w)\=∑k\=0kD−1∑m\=0kH−1∑n\=0kW−1input(Ni,Cj,stride[0]×d+k,stride[1]×h+m,stride[2]×w+n)kD×kH×kWout(Ni,Cj,d,h,w)\=∑k\=0kD−1∑m\=0kH−1∑n\=0kW−1input(Ni,Cj,stride[0]×d+k,stride[1]×h+m,stride[2]×w+n)kD×kH×kW

参数

• x (Tensor): 形状为 [N,C,D,H,W] 或 [N,D,H,W,C] 的5-D Tensor，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，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

• exclusive (bool)： 是否在平均池化模式忽略填充值，默认是 True.

• divisor_override (int|float)：如果指定，它将用作除数，否则根据`kernel_size`计算除数。 默认`None`.

• 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.

返回

5-D Tensor，数据类型与输入 x 一致。

代码示例

import paddle
input = paddle.uniform(shape=[1, 2, 32, 32, 32], dtype='float32', min=-1, max=1)
# avg pool3d
pool3d = paddle.nn.functional.avg_pool3d(
                                    input,
                                    kernel_size = 2,
                                    stride = 2,
                                    padding=0)
# pool3d.shape: [1, 3, 16, 16, 16]