AdaptiveMaxPool2d

class torch.nn.AdaptiveMaxPool2d(output_size, return_indices=False)

对由几个输入平面组成的输入信号应用 2D 自适应最大池化。

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

参数

• output_size (Union[int, None, Tuple[Optional[int], Optional[int]]]) – 目标输出图像大小，形式为 $H_{out} \times W_{out}$。可以是元组 $(H_{out}, W_{out})$ 或单个 $H_{out}$ 表示正方形图像 $H_{out} \times H_{out}$。 $H_{out}$ 和 $W_{out}$ 可以是 int，或者 None，表示大小将与输入的大小相同。

• return_indices (bool) – 如果为 True，将返回输出以及索引。对于 nn.MaxUnpool2d 很有用。默认值： False

形状

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

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

示例

>>> # target output size of 5x7
>>> m = nn.AdaptiveMaxPool2d((5, 7))
>>> input = torch.randn(1, 64, 8, 9)
>>> output = m(input)
>>> # target output size of 7x7 (square)
>>> m = nn.AdaptiveMaxPool2d(7)
>>> input = torch.randn(1, 64, 10, 9)
>>> output = m(input)
>>> # target output size of 10x7
>>> m = nn.AdaptiveMaxPool2d((None, 7))
>>> input = torch.randn(1, 64, 10, 9)
>>> output = m(input)