AdaptiveMaxPool2d

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

對由多個輸入平面組成的輸入訊號應用 2D 自適應最大池化。

對於任意輸入尺寸，輸出尺寸為 $H_{out} \times W_{out}$. 輸入通道數與輸出通道數相同。

引數

• output_size (Union[int, None, tuple[Optional[int], Optional[int]]]) – 目標輸出影像尺寸，形式為 $H_{out} \times W_{out}$. 可以是元組 $(H_{out}, W_{out})$ 或單個 $H_{out}$ 表示正方形影像 $H_{out} \times H_{out}$. $H_{out}$ 和 $W_{out}$ 可以是 int 型別，或者 None，表示大小與輸入相同。

• return_indices (bool) – 如果為 True，則會同時返回輸出和對應的索引。這對於傳遞給 nn.MaxUnpool2d 非常有用。預設為 False。

形狀

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

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

示例

>>> # 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)

forward(input)

執行前向傳播。