快捷方式

LPPool3d

class torch.nn.LPPool3d(norm_type, kernel_size, stride=None, ceil_mode=False)[源代码]

对由多个输入平面组成的输入信号应用 3D 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,将获得最大池化

  • 当 p = 1 时,将获得总和池化(与平均池化成正比)

参数 kernel_sizestride 可以是

  • 单个 int – 在这种情况下,相同的值用于高度、宽度和深度维度

  • 三个 inttuple – 在这种情况下,第一个 int 用于深度维度,第二个 int 用于高度维度,第三个 int 用于宽度维度

注意

如果对 p 的幂求和为零,则此函数的梯度未定义。在这种情况下,此实现将梯度设置为零。

参数
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=Dinkernel_size[0]stride[0]+1D_{out} = \left\lfloor\frac{D_{in} - \text{kernel\_size}[0]}{\text{stride}[0]} + 1\right\rfloor
    Hout=Hinkernel_size[1]stride[1]+1H_{out} = \left\lfloor\frac{H_{in} - \text{kernel\_size}[1]}{\text{stride}[1]} + 1\right\rfloor
    Wout=Winkernel_size[2]stride[2]+1W_{out} = \left\lfloor\frac{W_{in} - \text{kernel\_size}[2]}{\text{stride}[2]} + 1\right\rfloor

示例

>>> # power-2 pool of square window of size=3, stride=2
>>> m = nn.LPPool3d(2, 3, stride=2)
>>> # pool of non-square window of power 1.2
>>> m = nn.LPPool3d(1.2, (3, 2, 2), stride=(2, 1, 2))
>>> input = torch.randn(20, 16, 50, 44, 31)
>>> output = m(input)

文档

存取 PyTorch 的完整開發者文件

查看文件

教程

獲得面向初學者和高級開發者的深入教程

查看教程

資源

查找開發資源並獲得問題解答

查看資源