FractionalMaxPool3d

class torch.nn.FractionalMaxPool3d(kernel_size, output_size=None, output_ratio=None, return_indices=False, _random_samples=None)

對由多個輸入平面組成的輸入訊號應用 3D 分數最大池化。

Fractional MaxPooling 的詳細描述請參見論文 Fractional MaxPooling (作者: Ben Graham)。

最大池化操作是在 $kT \times kH \times kW$ 區域中執行的，步長由目標輸出大小隨機確定。輸出特徵的數量等於輸入平面的數量。

注意

必須定義 output_size 或 output_ratio 中的一個且僅一個。

引數

• kernel_size (Union[int, tuple[int, int, int]]) – 取最大值的視窗大小。可以是單個數字 k（表示 k x k x k 的方形核）或一個元組 (kt x kh x kw)，k 必須大於 0。

• output_size (Union[int, tuple[int, int, int]]) – 影像的目標輸出大小，形式為 oT x oH x oW。可以是一個元組 (oT, oH, oW) 或一個表示方形影像 oH x oH x oH 的單個數字 oH。

• output_ratio (Union[float, tuple[float, float, float]]) – 如果希望輸出大小是輸入大小的比例，可以使用此選項。這必須是一個在 (0, 1) 範圍內的數字或元組。

• return_indices (bool) – 如果為 True，則會返回索引以及輸出。這對於傳遞給 nn.MaxUnpool3d() 非常有用。預設為 False。

形狀

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

• 輸出：$(N, C, T_{out}, H_{out}, W_{out})$ 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

>>> # pool of cubic window of size=3, and target output size 13x12x11
>>> m = nn.FractionalMaxPool3d(3, output_size=(13, 12, 11))
>>> # pool of cubic window and target output size being half of input size
>>> m = nn.FractionalMaxPool3d(3, output_ratio=(0.5, 0.5, 0.5))
>>> input = torch.randn(20, 16, 50, 32, 16)
>>> output = m(input)