LPPool1d

class torch.nn.LPPool1d(norm_type, kernel_size, stride=None, ceil_mode=False)

对由多个输入平面组成的输入信号应用一维幂平均池化。

在每个窗口上，计算的函数为

$$f(X) = \sqrt[p]{\sum_{x \in X} x^{p}}$$

• 当 p = $\infty$ 时，得到最大池化

• 当 p = 1 时，得到求和池化（它与平均池化成比例）

注意

如果对 p 幂的求和为零，则此函数的梯度未定义。此实现将在此情况下将梯度设置为零。

参数

• kernel_size ((在 Python v3.13 中)Union[(在 Python v3.13 中)int, (在 Python v3.13 中)Tuple[(在 Python v3.13 中)int]]) – 单个 int，窗口大小

• stride ((在 Python v3.13 中)Union[(在 Python v3.13 中)int, (在 Python v3.13 中)Tuple[(在 Python v3.13 中)int]]) – 单个 int，窗口步长。默认值为 kernel_size

• ceil_mode ((在 Python v3.13 中)bool) – 当为 True 时，将使用 ceil 而不是 floor 来计算输出形状

形状

• 输入: $(N, C, L_{in})$ 或 $(C, L_{in})$.

• 输出: $(N, C, L_{out})$ 或 $(C, L_{out})$, 其中

  $$L_{out} = \left\lfloor\frac{L_{in} - \text{kernel\_size}}{\text{stride}} + 1\right\rfloor$$

示例:

>>> # power-2 pool of window of length 3, with stride 2.
>>> m = nn.LPPool1d(2, 3, stride=2)
>>> input = torch.randn(20, 16, 50)
>>> output = m(input)