快捷方式

MaxPool3d

class torch.nn.MaxPool3d(kernel_size, stride=None, padding=0, dilation=1, return_indices=False, ceil_mode=False)[源代码]

对由多个输入平面组成的输入信号应用 3D 最大池化。

在最简单的情况下,具有输入大小 (N,C,D,H,W)(N, C, D, H, W) 的层的输出值,输出 (N,C,Dout,Hout,Wout)(N, C, D_{out}, H_{out}, W_{out})kernel_size (kD,kH,kW)(kD, kH, kW) 可以精确地描述为

out(Ni,Cj,d,h,w)=maxk=0,,kD1maxm=0,,kH1maxn=0,,kW1input(Ni,Cj,stride[0]×d+k,stride[1]×h+m,stride[2]×w+n)\begin{aligned} \text{out}(N_i, C_j, d, h, w) ={} & \max_{k=0, \ldots, kD-1} \max_{m=0, \ldots, kH-1} \max_{n=0, \ldots, kW-1} \\ & \text{input}(N_i, C_j, \text{stride[0]} \times d + k, \text{stride[1]} \times h + m, \text{stride[2]} \times w + n) \end{aligned}

如果 padding 非零,则输入在两侧隐式填充负无穷大,填充点数为 padding 个。 dilation 控制内核点之间的间距。 难以描述,但此 链接dilation 的作用有一个很好的可视化说明。

注意

当 ceil_mode=True 时,如果滑动窗口在左填充或输入内开始,则允许滑动窗口越界。 将忽略在右填充区域内开始的滑动窗口。

参数 kernel_sizestridepaddingdilation 可以是以下之一:

  • 单个 int - 在这种情况下,深度、高度和宽度维度使用相同的值

  • 三个整数的 tuple - 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

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=Din+2×padding[0]dilation[0]×(kernel_size[0]1)1stride[0]+1D_{out} = \left\lfloor\frac{D_{in} + 2 \times \text{padding}[0] - \text{dilation}[0] \times (\text{kernel\_size}[0] - 1) - 1}{\text{stride}[0]} + 1\right\rfloor
    Hout=Hin+2×padding[1]dilation[1]×(kernel_size[1]1)1stride[1]+1H_{out} = \left\lfloor\frac{H_{in} + 2 \times \text{padding}[1] - \text{dilation}[1] \times (\text{kernel\_size}[1] - 1) - 1}{\text{stride}[1]} + 1\right\rfloor
    Wout=Win+2×padding[2]dilation[2]×(kernel_size[2]1)1stride[2]+1W_{out} = \left\lfloor\frac{W_{in} + 2 \times \text{padding}[2] - \text{dilation}[2] \times (\text{kernel\_size}[2] - 1) - 1}{\text{stride}[2]} + 1\right\rfloor

示例

>>> # pool of square window of size=3, stride=2
>>> m = nn.MaxPool3d(3, stride=2)
>>> # pool of non-square window
>>> m = nn.MaxPool3d((3, 2, 2), stride=(2, 1, 2))
>>> input = torch.randn(20, 16, 50, 44, 31)
>>> output = m(input)

文档

访问 PyTorch 的完整开发者文档

查看文档

教程

获取针对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解答

查看资源