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 Fractional MaxPooling 中有详细描述

最大池化操作通过由目标输出大小确定的随机步长应用于 $kT \times kH \times kW$ 区域。输出特征的数量等于输入平面的数量。

参数

• kernel_size – 进行最大值计算的窗口大小。可以是一个单独的数字 $k$（用于 $k \times k \times k$ 的方形核）或一个元组 (kT, kH, kW)

• output_size – 目标输出大小，形式为 $oT \times oH \times oW$。可以是一个元组 (oT, oH, oW) 或一个用于立方体输出 $oH \times oH \times oH$ 的单独数字 $oH$

• output_ratio – 如果希望输出大小是输入大小的一个比例，可以给出此选项。这必须是一个介于 (0, 1) 范围内的数字或元组。

• return_indices – 如果 True，将与输出一起返回索引。可用于传递给 max_unpool3d()。

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 $(C, T_{out}, H_{out}, W_{out})$，其中 $(T_{out}, H_{out}, W_{out})=\text{output\_size}$ 或 $(T_{out}, H_{out}, W_{out})=\text{output\_ratio} \times (T_{in}, H_{in}, W_{in})$

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))