MaxPool1D

paddle.nn. MaxPool1D ( kernel_size, stride=None, padding=0, return_mask=False, ceil_mode=False, name=None ) [源代码]

根据输入 xkernel_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。

假设输入形状是(N, C, L),输出形状是 (N, C, L_{out}),卷积核尺寸是 k, 1d 最大值池化计算公式如下:

\[Output(N_i, C_i, l) = max(Input[N_i, C_i, stride \times l:stride \times l+k])\]

参数

  • 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,最终池化核的大小为该数值。

  • stride (int|list|tuple,可选) - 池化操作步长。如果 stride 为 list 或 tuple 类型,其必须包含一个整数,最终池化操作的步长为该数值。默认值为 None,这时会使用 kernel_size 作为 stride。

  • padding (str|int|list|tuple,可选) - 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,可选) - 是否返回最大值的索引,默认为 False。

  • ceil_mode (bool,可选) - 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) - 具体用法请参见 Name,一般无需设置,默认值为 None。

形状

  • x (Tensor) :默认形状为(批大小,通道数,长度),即 NCL 格式的 3-D Tensor。其数据类型为 float32 或 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 MaxPool1D 的可调用对象。

代码示例

import paddle
import paddle.nn as nn

data = paddle.uniform([1, 3, 32], dtype="float32", min=-1, max=1)
MaxPool1D = nn.MaxPool1D(kernel_size=2, stride=2, padding=0)
pool_out = MaxPool1D(data)
# pool_out shape: [1, 3, 16]

MaxPool1D = nn.MaxPool1D(kernel_size=2, stride=2, padding=0, return_mask=True)
pool_out, indices = MaxPool1D(data)
# pool_out shape: [1, 3, 16], indices shape: [1, 3, 16]