AdaptiveMaxPool3d

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

在由多个输入平面组成的输入信号上应用 3D 自适应最大池化。

输出尺寸为 $D_{out} \times H_{out} \times W_{out}$，适用于任何输入大小。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], Optional[int]]]) – 目标的输出尺寸，形式为 $D_{out} \times H_{out} \times W_{out}$。可以是元组 $(D_{out}, H_{out}, W_{out})$，也可以是单个 $D_{out}$（表示一个立方体 $D_{out} \times D_{out} \times D_{out}$）。$D_{out}$、$H_{out}$ 和 $W_{out}$ 可以是 `int` 或 `None`，`None` 表示尺寸与输入相同。

• return_indices (bool) – 如果为 `True`，则除了输出外还会返回索引。这对于传递给 nn.MaxUnpool3d 很有用。默认值：`False`

形状

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

• 输出: $(N, C, D_{out}, H_{out}, W_{out})$。

示例

>>> # target output size of 5x7x9
>>> m = nn.AdaptiveMaxPool3d((5, 7, 9))
>>> input = torch.randn(1, 64, 8, 9, 10)
>>> output = m(input)
>>> # target output size of 7x7x7 (cube)
>>> m = nn.AdaptiveMaxPool3d(7)
>>> input = torch.randn(1, 64, 10, 9, 8)
>>> output = m(input)
>>> # target output size of 7x9x8
>>> m = nn.AdaptiveMaxPool3d((7, None, None))
>>> input = torch.randn(1, 64, 10, 9, 8)
>>> output = m(input)