Python PyTorch AdaptiveMaxPool3d用法及代碼示例

本文簡要介紹python語言中 torch.nn.AdaptiveMaxPool3d 的用法。

用法:

class torch.nn.AdaptiveMaxPool3d(output_size, return_indices=False)

參數：

• output_size-D_{out} \times H_{out} \times W_{out} 形式的圖像的目標輸出大小。可以是元組 (D_{out}, H_{out}, W_{out}) 或單個 D_{out} 用於多維數據集 D_{out} \times D_{out} \times D_{out} 。 D_{out} 、 H_{out} 和 W_{out} 可以是 int 或 None ，這意味著大小將與輸入的大小相同。

• return_indices-如果 True ，將返回索引以及輸出。用於傳遞給 nn.MaxUnpool3d。默認值：False

在由多個輸入平麵組成的輸入信號上應用 3D 自適應最大池化。

對於任何輸入大小，輸出大小為 D_{out} \times H_{out} \times W_{out} 。輸出特征的數量等於輸入平麵的數量。

形狀：

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

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

例子

>>> # target output size of 5x7x9
>>> m = nn.AdaptiveMaxPool3d((5,7,9))
>>> input = torch.randn(1, 64, 8, 9, 10)
>>> output = m(input)
>>> # target output size of 7x7x7 (cube)
>>> m = nn.AdaptiveMaxPool3d(7)
>>> input = torch.randn(1, 64, 10, 9, 8)
>>> output = m(input)
>>> # target output size of 7x9x8
>>> m = nn.AdaptiveMaxPool3d((7, None, None))
>>> input = torch.randn(1, 64, 10, 9, 8)
>>> output = m(input)