快捷方式

自适应最大池化2d

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

对由多个输入平面组成的输入信号应用二维自适应最大池化。

输出的大小为 Hout×WoutH_{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。

参数
  • output_size (Union[int, None, Tuple[Optional[int], Optional[int]]]) – 目标输出图像大小,格式为 Hout×WoutH_{out} \times W_{out}。可以是元组 (Hout,Wout)(H_{out}, W_{out}),或单个 HoutH_{out},用于方形图像 Hout×HoutH_{out} \times H_{out}HoutH_{out}WoutW_{out} 可以是 intNoneNone 表示大小与输入相同。

  • return_indices (bool) – 如果为 True,将返回索引和输出。这对于传递给 nn.MaxUnpool2d 很有用。默认值:False

形状
  • 输入:(N,C,Hin,Win)(N, C, H_{in}, W_{in})(C,Hin,Win)(C, H_{in}, W_{in}).

  • 输出: (N,C,Hout,Wout)(N, C, H_{out}, W_{out})(C,Hout,Wout)(C, H_{out}, W_{out}), 其中 (Hout,Wout)=output_size(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)

文档

访问 PyTorch 的全面开发人员文档

查看文档

教程

获取初学者和高级开发人员的深入教程

查看教程

资源

查找开发资源并获得解答

查看资源