MaxUnpool3d

class torch.nn.MaxUnpool3d(kernel_size, stride=None, padding=0)

计算MaxPool3d的部分逆。

MaxPool3d 不是完全可逆的，因为非最大值会丢失。 MaxUnpool3d 接受 MaxPool3d 的输出作为输入， 包括最大值的索引，并计算一个部分逆运算，其中所有非最大值都设置为零。

注意

当输入索引有重复值时，此操作可能会表现出不确定性。 请参阅 https://github.com/pytorch/pytorch/issues/80827 和 可重复性 以获取更多信息。

注意

MaxPool3d 可以将多个输入大小映射到相同的输出大小。因此，反向过程可能会变得不明确。 为了适应这种情况，您可以在前向调用中提供所需的输出大小作为额外参数 output_size。 请参阅下面的输入部分。

Parameters

• kernel_size (整数 或 元组) – 最大池化窗口的大小。

• 步幅 (整数 或 元组) – 最大池化窗口的步幅。 默认情况下设置为 kernel_size。

• 填充 (int 或 tuple) – 添加到输入的填充

Inputs:

• 输入: 要反转的输入张量

• indices: 由 MaxPool3d 给出的索引

• output_size（可选）：目标输出大小

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

  $$D_{out} = (D_{in} - 1) \times \text{stride[0]} - 2 \times \text{padding[0]} + \text{kernel\_size[0]}$$
  $$H_{out} = (H_{in} - 1) \times \text{stride[1]} - 2 \times \text{padding[1]} + \text{kernel\_size[1]}$$
  $$W_{out} = (W_{in} - 1) \times \text{stride[2]} - 2 \times \text{padding[2]} + \text{kernel\_size[2]}$$

  或由调用操作符中的 output_size 给出

示例：

>>> # 大小为3，步幅为2的方形窗口池
>>> pool = nn.MaxPool3d(3, stride=2, return_indices=True)
>>> unpool = nn.MaxUnpool3d(3, stride=2)
>>> output, indices = pool(torch.randn(20, 16, 51, 33, 15))
>>> unpooled_output = unpool(output, indices)
>>> unpooled_output.size()
torch.Size([20, 16, 51, 33, 15])