FractionalMaxPool3d¶
- class torch.nn.FractionalMaxPool3d(kernel_size, output_size=None, output_ratio=None, return_indices=False, _random_samples=None)[source]¶
对由多个输入平面组成的输入信号应用 3D 分数最大池化。
分数最大池化在 Ben Graham 的论文 分数最大池化 中有详细描述。
最大池化操作应用于 区域,其随机步长由目标输出大小决定。输出特征的数量等于输入平面的数量。
注意
必须定义
output_size
或output_ratio
中的一个。- 参数
kernel_size (Union[int, Tuple[int, int, int]]) – 要获取最大值的窗口大小。可以是单个数字 k(对于 k x k x k 的正方形内核)或元组 (kt x kh x kw)
output_size (Union[int, Tuple[int, int, int]]) – 图像的目标输出大小,格式为 oT x oH x oW。可以是元组 (oT, oH, oW) 或单个数字 oH,用于正方形图像 oH x oH x oH
output_ratio (Union[float, Tuple[float, float, float]]) – 如果希望输出大小作为输入大小的比率,则可以使用此选项。这必须是范围 (0, 1) 内的数字或元组
return_indices (bool) – 如果为
True
,则将与输出一起返回索引。可用于传递给nn.MaxUnpool3d()
。默认值:False
- 形状
输入: 或 .
输出: 或 , 其中 或
示例
>>> # pool of cubic window of size=3, and target output size 13x12x11 >>> m = nn.FractionalMaxPool3d(3, output_size=(13, 12, 11)) >>> # pool of cubic window and target output size being half of input size >>> m = nn.FractionalMaxPool3d(3, output_ratio=(0.5, 0.5, 0.5)) >>> input = torch.randn(20, 16, 50, 32, 16) >>> output = m(input)