avg_pool1d

paddle.nn.functional. avg_pool1d ( x, kernel_size, stride=None, padding=0, exclusive=True, 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的平均池化。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。

注解

详细请参考对应的 Class 请参考: AvgPool1D 。

参数

  • x (Tensor): 当前算子的输入, 其是一个形状为 [N, C, L] 的3-D Tensor。其中 N 是batch size, C 是通道数, L 是输入特征的长度。 其数据类型为float32或者float64。

  • 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.

  • 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.

  • 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。

  • exclusive (bool): 是否用额外padding的值计算平均池化结果，默认为True。

  • 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。

返回

Tensor, 输入 x 经过平均池化计算得到的目标3-D Tensor，其数据类型与输入相同。

代码示例

  1. import paddle
  2. import paddle.nn.functional as F
  4. data = paddle.uniform(shape=[1, 2, 32], dtype='float32', min=-1, max=1)
  5. pool_out = F.avg_pool1d(data, kernel_size=2, stride=2, padding=0)
  6. # pool_out shape: [1, 3, 16]