AdaptiveMaxPool3d

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

對由多個輸入平面組成的輸入訊號應用 3D 自適應最大池化。

對於任意輸入尺寸，輸出尺寸為 $D_{out} \times H_{out} \times W_{out}$. 輸出的通道數等於輸入的通道數。

引數

• output_size (Union[int, None, tuple[Optional[int], Optional[int], Optional[int]]]) – 目標輸出尺寸，形式為 $D_{out} \times H_{out} \times W_{out}$. 可以是元組 $(D_{out}, H_{out}, W_{out})$ 或單個 $D_{out}$ 以表示 $D_{out} \times D_{out} \times D_{out}$ 的立方體。 $D_{out}$, $H_{out}$ 和 $W_{out}$ 可以是 int 型別，或者 None，此時尺寸將與輸入尺寸相同。

• return_indices (bool) – 如果為 True，則會返回包含輸出的索引。這對於傳遞給 nn.MaxUnpool3d 非常有用。預設為 False。

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 $(D_{out}, H_{out}, W_{out})=\text{output\_size}$。

示例

>>> # 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)

forward(input)

執行前向傳播。