Python torch.nn.LPPool2d用法及代码示例

用法: class torch.nn.LPPool2d(norm_type, kernel_size, stride=None, ceil_mode=False)

参数：

kernel_size-窗口的大小
stride-窗口的步幅。默认值为kernel_size
ceil_mode-当为 True 时，将使用 ceil 而不是 floor 来计算输出形状

在由多个输入平面组成的输入信号上应用 2D power-average 池化。

在每个窗口上，计算的函数是：

f(X) = \sqrt[p]{\sum_{x \in X} x^{p}}

在 p = \infty 时，获得最大池化
在 p = 1 时，得到 Sum Pooling(与平均池化成正比)

参数 kernel_size ， stride 可以是：

单个 int - 在这种情况下，高度和宽度尺寸使用相同的值
两个整数的 tuple - 在这种情况下，第一个 int 用于高度维度，第二个 int 用于宽度维度

注意

如果p 的幂和为零，则未定义此函数的梯度。在这种情况下，此实现会将梯度设置为零。

形状：

输入：(N, C, H_{in}, W_{in})
输出：(N, C, H_{out}, W_{out})，其中

H_{out} = \left\lfloor\frac{H_{in} - \text{kernel\_size}[0]}{\text{stride}[0]} + 1\right\rfloor
W_{out} = \left\lfloor\frac{W_{in} - \text{kernel\_size}[1]}{\text{stride}[1]} + 1\right\rfloor

例子：

>>> # power-2 pool of square window of size=3, stride=2
>>> m = nn.LPPool2d(2, 3, stride=2)
>>> # pool of non-square window of power 1.2
>>> m = nn.LPPool2d(1.2, (3, 2), stride=(2, 1))
>>> input = torch.randn(20, 16, 50, 32)
>>> output = m(input)

相关用法

注：本文由纯净天空筛选整理自pytorch.org大神的英文原创作品 torch.nn.LPPool2d。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。