AdaptiveAvgPool1D

paddle.nn. AdaptiveAvgPool1D ( output_size, name=None ) [源代码]

该算子根据输入 x , output_size 等参数对一个输入Tensor计算1D的自适应平均池化。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.

计算公式如下:

AdaptiveAvgPool1D - 图1

参数

  • output_size (int): 算子输出特征图的长度，其数据类型为int。

  • 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，输出特征长度），即NCL格式的3-D Tensor。 其数据类型为float32或者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AdaptiveAvgPool1D的可调用对象

抛出异常

  • ValueError - output_size 应是一个整数。

代码示例

  1. # average adaptive pool1d
  2. # suppose input data in shape of [N, C, L], `output_size` is m or [m],
  3. # output shape is [N, C, m], adaptive pool divide L dimension
  4. # of input data into m grids averagely and performs poolings in each
  5. # grid to get output.
  6. # adaptive avg pool performs calculations as follow:
  7. #
  8. #     for i in range(m):
  9. #         lstart = floor(i * L / m)
  10. #         lend = ceil((i + 1) * L / m)
  11. #         output[:, :, i] = sum(input[:, :, lstart: lend])/lend - lstart)
  12. #
  13. import paddle
  14. import paddle.nn as nn
  17. data = paddle.to_tensor(paddle.uniform(shape = [1, 3, 32], min = -1, max = 1, dtype = "float32"))
  18. AdaptiveAvgPool1D = nn.layer.AdaptiveAvgPool1D(output_size=16)
  19. pool_out = AdaptiveAvgPool1D(data)
  20. # pool_out shape: [1, 3, 16]