快捷方式

MaxUnpool3d

class torch.nn.MaxUnpool3d(kernel_size, stride=None, padding=0)[源代码]

计算 MaxPool3d 的部分逆。

MaxPool3d 并非完全可逆,因为非最大值会被丢失。 MaxUnpool3dMaxPool3d 的输出(包括最大值的索引)作为输入,并计算部分逆,其中所有非最大值都设置为零。

注意

当输入索引具有重复值时,此操作可能会表现出不确定性。有关更多信息,请参见 https://github.com/pytorch/pytorch/issues/80827可重复性

注意

MaxPool3d 可以将多个输入大小映射到相同输出大小。因此,反演过程可能会变得模棱两可。为了解决这个问题,您可以在 forward 调用中提供所需的输出大小作为附加参数 output_size。请参见下面的输入部分。

参数
  • kernel_size (inttuple) – 最大池化窗口的大小。

  • stride (inttuple) – 最大池化窗口的步长。默认情况下设置为 kernel_size

  • padding (inttuple) – 添加到输入的填充

输入
  • input:要反转的输入张量

  • indices:由 MaxPool3d 给出的索引

  • output_size(可选):目标输出大小

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=(Din1)×stride[0]2×padding[0]+kernel_size[0]D_{out} = (D_{in} - 1) \times \text{stride[0]} - 2 \times \text{padding[0]} + \text{kernel\_size[0]}

    Hout=(Hin1)×stride[1]2×padding[1]+kernel_size[1]H_{out} = (H_{in} - 1) \times \text{stride[1]} - 2 \times \text{padding[1]} + \text{kernel\_size[1]}
    Wout=(Win1)×stride[2]2×padding[2]+kernel_size[2]W_{out} = (W_{in} - 1) \times \text{stride[2]} - 2 \times \text{padding[2]} + \text{kernel\_size[2]}

    或者由调用运算符中的 output_size 给出

示例

>>> # pool of square window of size=3, stride=2
>>> pool = nn.MaxPool3d(3, stride=2, return_indices=True)
>>> unpool = nn.MaxUnpool3d(3, stride=2)
>>> output, indices = pool(torch.randn(20, 16, 51, 33, 15))
>>> unpooled_output = unpool(output, indices)
>>> unpooled_output.size()
torch.Size([20, 16, 51, 33, 15])

文档

访问 PyTorch 的全面开发者文档

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问题的解答

查看资源