快捷方式

AdaptiveMaxPool3d

class torch.nn.AdaptiveMaxPool3d(output_size, return_indices=False)[源代码]

对由多个输入平面组成的输入信号应用 3D 自适应最大池化。

输出的大小为 Dout×Hout×WoutD_{out} \times H_{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], Optional[int]]]) – 图像目标输出尺寸,格式为 Dout×Hout×WoutD_{out} \times H_{out} \times W_{out}。可以是元组 (Dout,Hout,Wout)(D_{out}, H_{out}, W_{out}) 或单个 DoutD_{out} 用于立方体 Dout×Dout×DoutD_{out} \times D_{out} \times D_{out}DoutD_{out}HoutH_{out}WoutW_{out} 可以是 int 类型或 None 类型,其中 None 表示尺寸与输入相同。

  • return_indices (bool) – 如果为 True,则会连同输出一起返回索引。这对于传递给 nn.MaxUnpool3d 很有用。默认值:False

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

  • 输出: (N,C,Dout,Hout,Wout)(N, C, D_{out}, H_{out}, W_{out})(C,Dout,Hout,Wout)(C, D_{out}, H_{out}, W_{out}),其中 (Dout,Hout,Wout)=output_size(D_{out}, H_{out}, W_{out})=\text{output\_size}.

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)

文档

访问 PyTorch 的全面开发者文档

查看文档

教程

获取针对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问题的解答

查看资源