adaptive_max_pool1d¶

paddle.nn.functional. adaptive_max_pool1d ( x, output_size, return_mask=False, 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.

注解

详细请参考对应的 Class 请参考: AdaptiveMaxPool1D 。

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。

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

return_mask (bool): 如果设置为True，则会与输出一起返回最大值的索引，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 经过自适应池化计算得到的目标3-D Tensor，其数据类型与输入相同。

抛出异常¶

ValueError - 如果 output_size 不是int类型值。

代码示例¶

# max adaptive pool1d
# suppose input data in shape of [N, C, L], `output_size` is m,
# output shape is [N, C, m], adaptive pool divide L dimension
# of input data into m grids averagely and performs poolings in each
# grid to get output.
# adaptive max pool performs calculations as follow:
#
#     for i in range(m):
#         lstart = floor(i * L / m)
#         lend = ceil((i + 1) * L / m)
#         output[:, :, i] = max(input[:, :, lstart: lend])
#
import paddle
import paddle.nn.functional as F

data = paddle.to_tensor(paddle.uniform(shape = [1, 3, 32], min = -1, max = 1, dtype = "float32"))
pool_out = F.adaptive_max_pool1d(data, output_size=16)
# pool_out shape: [1, 3, 16])

PaddlePaddle

paddle.nn / functional / adaptive_max_pool1d

adaptive_max_pool1d¶

参数¶

返回¶

抛出异常¶

代码示例¶

PaddlePaddle

paddle

paddle.amp

paddle.callbacks

paddle.compat

paddle.distributed

paddle.distribution

paddle.fluid

paddle.io

paddle.jit

paddle.metric

paddle.nn

paddle.onnx

paddle.optimizer

paddle.regularizer

paddle.static

paddle.sysconfig

paddle.text

paddle.utils

paddle.vision

paddle.nn / functional / adaptive_max_pool1d

adaptive_max_pool1d¶

参数¶

返回¶

抛出异常¶

代码示例¶