FractionalMaxPool3d

class torch.nn.FractionalMaxPool3d(kernel_size, output_size=None, output_ratio=None, return_indices=False, _random_samples=None)

在由多个输入平面组成的输入信号上应用 3D 分数最大池化。

分数最大池化（Fractional MaxPooling）在 Ben Graham 的论文 Fractional MaxPooling 中有详细描述

最大池化操作通过由目标输出大小确定的随机步长应用于 $kT \times kH \times kW$ 区域。输出特征的数量等于输入平面的数量。

注意

必须精确定义 output_size 或 output_ratio 中的一个。

参数

• kernel_size (Union[int, tuple[int, int, int]]) – 进行最大池化的窗口大小。可以是单个数字 k (用于 k x k x k 的方形核) 或元组 (kt x kh x kw)

• output_size (Union[int, tuple[int, int, int]]) – 图像的目标输出尺寸，格式为 oT x oH x oW。可以是元组 (oT, oH, oW) 或单个数字 oH (用于 oH x oH x oH 的方形图像)

• output_ratio (Union[float, tuple[float, float, float]]) – 如果希望输出尺寸是输入尺寸的比例，可以使用此选项。这必须是介于 (0, 1) 范围内的数字或元组

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

形状

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

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

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)