MaxPool1D

paddle.nn.MaxPool1D ( 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。

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:

MaxPool1D - 图1

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): 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。

  • 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

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

  1. import paddle
  2. import paddle.nn as nn
  3. data = paddle.uniform(shape=[1, 2, 32], dtype='float32', min=-1, max=1)
  4. MaxPool1D = nn.layer.MaxPool1D(kernel_size=2, stride=2, padding=0)
  5. pool_out = MaxPool1D(data)
  6. # pool_out shape: [1, 3, 16]
  7. MaxPool1D = nn.layer.MaxPool1D(kernel_size=2, stride=2, padding=0, return_mask=True)
  8. pool_out, indices = MaxPool1D(data)
  9. # pool_out shape: [1, 3, 16], indices shape: [1, 3, 16]