快捷方式

LPPool2d

class torch.nn.LPPool2d(norm_type, kernel_size, stride=None, ceil_mode=False)[source]

对由多个输入平面组成的输入信号应用 2D 幂平均池化。

在每个窗口上,计算的函数为

f(X)=xXxppf(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(与平均池化成正比)

参数 kernel_sizestride 可以是

  • 一个 int – 在这种情况下,相同的值用于高度和宽度维度

  • 一个包含两个整数的 tuple – 在这种情况下,第一个 int 用于高度维度,第二个 int 用于宽度维度

注意

如果 p 次幂的和为零,则此函数的梯度未定义。在此情况下,此实现将梯度设置为零。

参数
  • kernel_size (Union[int, Tuple[int, int]]) – 窗口的大小

  • stride (Union[int, Tuple[int, int]]) – 窗口的步长。默认值为 kernel_size

  • ceil_mode (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,Hin,Win)(N, C, H_{in}, W_{in})(C,Hin,Win)(C, H_{in}, W_{in}).

  • 输出: (N,C,Hout,Wout)(N, C, H_{out}, W_{out})(C,Hout,Wout)(C, H_{out}, W_{out}),其中

    Hout=Hinkernel_size[0]stride[0]+1H_{out} = \left\lfloor\frac{H_{in} - \text{kernel\_size}[0]}{\text{stride}[0]} + 1\right\rfloor
    Wout=Winkernel_size[1]stride[1]+1W_{out} = \left\lfloor\frac{W_{in} - \text{kernel\_size}[1]}{\text{stride}[1]} + 1\right\rfloor

示例

>>> # power-2 pool of square window of size=3, stride=2
>>> m = nn.LPPool2d(2, 3, stride=2)
>>> # pool of non-square window of power 1.2
>>> m = nn.LPPool2d(1.2, (3, 2), stride=(2, 1))
>>> input = torch.randn(20, 16, 50, 32)
>>> output = m(input)

文档

访问 PyTorch 的全面开发者文档

查看文档

教程

获取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