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

  1. # max adaptive pool1d
  2. # suppose input data in shape of [N, C, L], `output_size` is m,
  3. # output shape is [N, C, m], adaptive pool divide L dimension
  4. # of input data into m grids averagely and performs poolings in each
  5. # grid to get output.
  6. # adaptive max pool performs calculations as follow:
  7. #
  8. #     for i in range(m):
  9. #         lstart = floor(i * L / m)
  10. #         lend = ceil((i + 1) * L / m)
  11. #         output[:, :, i] = max(input[:, :, lstart: lend])
  12. #
  13. import paddle
  14. import paddle.nn.functional as F
  16. data = paddle.to_tensor(paddle.uniform(shape = [1, 3, 32], min = -1, max = 1, dtype = "float32"))
  17. pool_out = F.adaptive_max_pool1d(data, output_size=16)
  18. # pool_out shape: [1, 3, 16])