Pool2D

class paddle.fluid.dygraph.Pool2D ( pool_size=- 1, pool_type=’max’, pool_stride=1, pool_padding=0, global_pooling=False, use_cudnn=True, ceil_mode=False, exclusive=True, data_format=’NCHW’ ) [源代码]

该接口用于构建 Pool2D 类的一个可调用对象,具体用法参照 代码示例 。其将在神经网络中构建一个二维池化层,并使用上述输入参数的池化配置,为二维空间池化操作,根据 input , 池化类型 pool_type , 池化核大小 pool_size , 步长 pool_stride ,填充 pool_padding 这些参数得到输出。

输入X和输出Out默认是NCHW格式,N为批大小,C是通道数,H是特征高度,W是特征宽度。参数( ksize, strides, paddings )含有两个整型元素。分别表示高度和宽度上的参数。输入X的大小和输出Out的大小可能不一致。

例如:

输入:

X shape:

Pool2D - 图1

输出:

Out shape:

Pool2D - 图2

如果 ceil_mode = false:

Pool2D - 图3

Pool2D - 图4

如果 ceil_mode = true:

Pool2D - 图5

Pool2D - 图6

如果 exclusive = false:

Pool2D - 图7

如果 exclusive = true:

Pool2D - 图8

参数:

  • pool_size (int|list|tuple, 可选) - 池化核的大小。如果它是一个元组或列表,它必须包含两个整数值, (pool_size_Height, pool_size_Width)。若为一个整数,则它的平方值将作为池化核大小,比如若pool_size=2, 则池化核大小为2x2。默认值:-1。

  • pool_type (str, 可选) - 池化类型,可以是”max“对应max-pooling,“avg”对应average-pooling。默认为”max“。

  • pool_stride (int|list|tuple, 可选) - 池化层的步长。如果它是一个元组或列表,它将包含两个整数,(pool_stride_Height, pool_stride_Width)。若为一个整数,则表示H和W维度上stride均为该值。默认值为1。

  • pool_padding (int|list|tuple, 可选) - 填充大小。如果它是一个元组或列表,它必须包含两个整数值,(pool_padding_on_Height, pool_padding_on_Width)。若为一个整数,则表示H和W维度上padding均为该值。默认值为1。

  • global_pooling (bool, 可选)- 是否用全局池化。如果global_pooling = True, pool_sizepool_padding 将被忽略,默认False。

  • use_cudnn (bool, 可选)- 是否用cudnn核,只有已安装cudnn库时才有效。默认True。

  • ceil_mode (bool, 可选)- 是否用ceil函数计算输出高度和宽度。如果设为False,则使用floor函数。默认为False。

  • exclusive (bool, 可选) - 是否在平均池化模式忽略填充值。默认为True。

  • data_format (str,可选) - 指定输入的数据格式,输出的数据格式将与输入保持一致,可以是”NCHW”和”NHWC”。N是批尺寸,C是通道数,H是特征高度,W是特征宽度。默认值:”NCHW”。

返回:无

抛出异常:

  • ValueError - 如果 pool_type 既不是“max”也不是“avg”。

  • ValueError - 如果 global_pooling 为False并且 pool_size 为-1。

  • ValueError - 如果 use_cudnn 不是bool值。

  • ValueError - 如果 data_format 既不是”NCHW”也不是”NHWC”。

代码示例

  1. import paddle.fluid as fluid
  2. from paddle.fluid.dygraph.base import to_variable
  3. import numpy as np
  4. with fluid.dygraph.guard():
  5. data = np.random.random((3, 32, 32, 5)).astype('float32')
  6. pool2d = fluid.dygraph.Pool2D(pool_size=2,
  7. pool_type='max',
  8. pool_stride=1,
  9. global_pooling=False)
  10. pool2d_res = pool2d(to_variable(data))