Python PyTorch AdaptiveMaxPool2d用法及代码示例

本文简要介绍python语言中 torch.nn.AdaptiveMaxPool2d 的用法。

用法:

class torch.nn.AdaptiveMaxPool2d(output_size, return_indices=False)

参数：

• output_size-H_{out} \times W_{out} 形式的图像的目标输出大小。可以是元组 (H_{out}, W_{out}) 或单个 H_{out} 用于方形图像 H_{out} \times H_{out} 。 H_{out} 和 W_{out} 可以是 int 或 None ，这意味着大小将与输入的大小相同。

• return_indices-如果 True ，将返回索引以及输出。用于传递给 nn.MaxUnpool2d。默认值：False

在由多个输入平面组成的输入信号上应用 2D 自适应最大池化。

对于任何输入大小，输出大小为 H_{out} \times W_{out} 。输出特征的数量等于输入平面的数量。

形状：

• 输入：(N, C, H_{in}, W_{in}) 或 (C, H_{in}, W_{in}) 。

• 输出：(N, C, H_{out}, W_{out}) 或 (C, H_{out}, W_{out}) ，其中 (H_{out}, W_{out})=\text{output\_size} 。

例子

>>> # target output size of 5x7
>>> m = nn.AdaptiveMaxPool2d((5,7))
>>> input = torch.randn(1, 64, 8, 9)
>>> output = m(input)
>>> # target output size of 7x7 (square)
>>> m = nn.AdaptiveMaxPool2d(7)
>>> input = torch.randn(1, 64, 10, 9)
>>> output = m(input)
>>> # target output size of 10x7
>>> m = nn.AdaptiveMaxPool2d((None, 7))
>>> input = torch.randn(1, 64, 10, 9)
>>> output = m(input)