PaddlePaddle

 paddle.nn / functional / adaptive_max_pool1d


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])

此页内容是否对您有帮助