max_pool1d¶

paddle.nn.functional. max_pool1d ( x, kernel_size, stride=None, padding=0, return_mask=False, 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: MaxPool1D 。

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。

return_mask (bool): 是否返回最大值的索引，默认为False。

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 经过最大值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¶

import paddle
import paddle.nn.functional as F


data = paddle.uniform(shape=[1, 2, 32], dtype='float32', min=-1, max=1)
pool_out = F.max_pool1d(data, kernel_size=2, stride=2, padding=0)
# pool_out shape: [1, 3, 16]

pool_out, indices = F.max_pool1d(data, kernel_size=2, stride=2, padding=0, return_mask=True)
# pool_out shape: [1, 3, 16],  indices shape: [1, 3, 16]

PaddlePaddle

paddle.nn / functional / max_pool1d

max_pool1d¶

参数¶

返回¶

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 / max_pool1d

max_pool1d¶

参数¶

返回¶

代码示例¶