当前位置: 首页>>代码示例 >>用法及示例精选 >>正文


Python PyTorch MaxPool1d用法及代码示例


本文简要介绍python语言中 torch.nn.MaxPool1d 的用法。

用法:

class torch.nn.MaxPool1d(kernel_size, stride=None, padding=0, dilation=1, return_indices=False, ceil_mode=False)

参数

  • kernel_size-滑动窗口的大小,必须 > 0。

  • stride-滑动窗口的步幅,必须 > 0。默认值为 kernel_size

  • padding-要在两侧添加隐式负无穷大填充,必须 >= 0 和 <= kernel_size /2。

  • dilation-滑动窗口内元素之间的步幅必须 > 0。

  • return_indices-如果 True ,将返回 argmax 以及最大值。以后对 torch.nn.MaxUnpool1d 有用

  • ceil_mode-如果 True ,将使用 ceil 而不是 floor 来计算输出形状。这确保了输入张量中的每个元素都被滑动窗口覆盖。

在由多个输入平面组成的输入信号上应用 1D 最大池化。

在最简单的情况下,输入大小为 和输出 的层的输出值可以精确地说明为:

如果padding 不为零,则输入在两侧隐式填充为padding 点数的负无穷大。 dilation 是滑动窗口内元素之间的步幅。这个link 对池化参数有很好的可视化效果。

注意

当ceil_mode=True 时,如果滑动窗口在左侧填充或输入内开始,则允许滑动窗口越界。将在右侧填充区域开始的滑动窗口将被忽略。

形状:
  • 输入:

  • 输出: ,其中

例子:

>>> # pool of size=3, stride=2
>>> m = nn.MaxPool1d(3, stride=2)
>>> input = torch.randn(20, 16, 50)
>>> 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.MaxPool1d。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。