FractionalMaxPool3d¶

class torch.nn.FractionalMaxPool3d(kernel_size, output_size=None, output_ratio=None, return_indices=False, _random_samples=None)[源代码]¶

对由多个输入平面组成的输入信号应用3D分数最大池化。

分数最大池化在Ben Graham的论文Fractional MaxPooling中有详细描述

最大池化操作应用于 $kT \times kH \times kW$ 区域，步长由目标输出大小决定。输出特征的数量等于输入平面的数量。

注意

必须定义 output_size 或 output_ratio 中的一个。

Parameters

kernel_size (Union[int, Tuple[int, int, int]]) – 窗口的大小，用于取最大值。可以是单个数字 k（对于 k x k x k 的方形核）或一个元组 (kt x kh x kw)
output_size (Union[int, Tuple[int, int, int]]) – 图像的目标输出大小，形式为 oT x oH x oW。可以是元组 (oT, oH, oW) 或单个数字 oH 用于正方形图像 oH x oH x oH
output_ratio (Union[float, Tuple[float, float, float]]) – 如果希望输出大小为输入大小的比例，可以提供此选项。这必须是一个数字或元组，范围在 (0, 1)
return_indices (bool) – 如果为True，将返回输出结果以及对应的索引。用于传递给nn.MaxUnpool3d()。默认值：False

Shape:

输入: $(N, C, T_{in}, H_{in}, W_{in})$ 或 $(C, T_{in}, H_{in}, W_{in})$ .
输出: $(N, C, T_{out}, H_{out}, W_{out})$ 或 $(C, T_{out}, H_{out}, W_{out})$ , 其中 $(T_{out}, H_{out}, W_{out})=\text{output\_size}$ 或 $(T_{out}, H_{out}, W_{out})=\text{output\_ratio} \times (T_{in}, H_{in}, W_{in})$

示例

>>> # 大小为3的立方窗口池化，目标输出大小为13x12x11
>>> m = nn.FractionalMaxPool3d(3, output_size=(13, 12, 11))
>>> # 立方窗口池化，目标输出大小为输入大小的一半
>>> m = nn.FractionalMaxPool3d(3, output_ratio=(0.5, 0.5, 0.5))
>>> input = torch.randn(20, 16, 50, 32, 16)
>>> output = m(input)