torch.nn.functional.fractional_max_pool3d

torch.nn.functional.fractional_max_pool3d(input, kernel_size, output_size=None, output_ratio=None, return_indices=False, _random_samples=None)

对由多个输入平面组成的输入信号应用 3D 分数最大池化。

分数最大池化在 Ben Graham 的论文 分数最大池化 中有详细描述。

最大池化运算在 $kT \times kH \times kW$ 区域中应用，其随机步长由目标输出大小决定。输出特征的数量等于输入平面的数量。

参数

• kernel_size – 要对其进行最大运算的窗口大小。可以是一个数字 $k$（用于 $k \times k \times k$ 的方形内核）或元组 (kT, kH, kW)

• output_size – 目标输出尺寸，格式为 $oT \times oH \times oW$。可以是元组 (oT, oH, oW)，也可以是单个数字 $oH$，用于生成立方体输出 $oH \times oH \times oH$.

• output_ratio – 如果希望输出尺寸与输入尺寸的比例相对应，则可以使用此选项。它必须是范围在 (0, 1) 内的数字或元组。

• return_indices – 如果设置为 True，将返回索引以及输出。这对于传递给 max_unpool3d() 很有用。

形状

• 输入: $(N, C, T_{in}, H_{in}, W_{in})$ 或 $(C, T_{in}, H_{in}, W_{in})$.

• 输出：$(N, C, T_{out}, H_{out}, W_{out})$ 或者 $(C, T_{out}, H_{out}, W_{out})$, 其中 $(T_{out}, H_{out}, W_{out})=\text{output\_size}$ 或者 $(T_{out}, H_{out}, W_{out})=\text{output\_ratio} \times (T_{in}, H_{in}, W_{in})$

示例：

>>> input = torch.randn(20, 16, 50, 32, 16)
>>> # pool of cubic window of size=3, and target output size 13x12x11
>>> F.fractional_max_pool3d(input, 3, output_size=(13, 12, 11))
>>> # pool of cubic window and target output size being half of input size
>>> F.fractional_max_pool3d(input, 3, output_ratio=(0.5, 0.5, 0.5))