AdaptiveMaxPool3d

class torch.nn.AdaptiveMaxPool3d(output_size, return_indices=False)

对由多个输入平面组成的输入信号应用3D自适应最大池化。

输出的大小为 $D_{out} \times H_{out} \times W_{out}$，对于任何输入大小。 输出特征的数量等于输入平面的数量。

Parameters

• output_size (Union[int, None, Tuple[Optional[int], Optional[int], Optional[int]]]) – 图像的目标输出大小，形式为 $D_{out} \times H_{out} \times W_{out}$。 可以是一个元组 $(D_{out}, H_{out}, W_{out})$ 或一个单独的 $D_{out}$ 用于立方体 $D_{out} \times D_{out} \times D_{out}$

• return_indices (bool) – 如果为True，将返回输出以及对应的索引。 用于传递给 nn.MaxUnpool3d。默认值：False

Shape:

• 输入: $(N, C, D_{in}, H_{in}, W_{in})$ 或 $(C, D_{in}, H_{in}, W_{in})$.

• 输出: $(N, C, D_{out}, H_{out}, W_{out})$ 或 $(C, D_{out}, H_{out}, W_{out})$, 其中 $(D_{out}, H_{out}, W_{out})=\text{output\_size}$。

示例

>>> # 目标输出尺寸为5x7x9
>>> m = nn.AdaptiveMaxPool3d((5, 7, 9))
>>> input = torch.randn(1, 64, 8, 9, 10)
>>> output = m(input)
>>> # 目标输出尺寸为7x7x7（立方体）
>>> m = nn.AdaptiveMaxPool3d(7)
>>> input = torch.randn(1, 64, 10, 9, 8)
>>> output = m(input)
>>> # 目标输出尺寸为7x9x8
>>> m = nn.AdaptiveMaxPool3d((7, None, None))
>>> input = torch.randn(1, 64, 10, 9, 8)
>>> output = m(input)