adaptive_max_pool1d

paddle.nn.functional. adaptive_max_pool1d ( x, output_size, return_mask=False, name=None ) [源代码]

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) - 具体用法请参见 Name,一般无需设置,默认值为 None。

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。

代码示例

# max adaptive pool1d
# suppose input data in shape of [N, C, L], `output_size` is m or [m],
# output shape is [N, C, m], adaptive pool divide L dimension
# of input data into m grids averagely and performs poolings in each
# grid to get output.
# adaptive max pool performs calculations as follow:
#
#     for i in range(m):
#         lstart = floor(i * L / m)
#         lend = ceil((i + 1) * L / m)
#         output[:, :, i] = max(input[:, :, lstart: lend])
#
import paddle
import paddle.nn.functional as F

data = paddle.uniform([1, 3, 32], paddle.float32)
pool_out = F.adaptive_max_pool1d(data, output_size=16)
# pool_out shape: [1, 3, 16])
pool_out, indices = F.adaptive_max_pool1d(data, output_size=16, return_mask=True)
# pool_out shape: [1, 3, 16] indices  shape: [1, 3, 16]