mindspore.nn.AdaptiveMaxPool1d

class mindspore.nn.AdaptiveMaxPool1d(output_size)

在一个输入Tensor上应用1D自适应最大池化运算，可被视为组成一个1D输入平面。

通常，输入的shape为 \((N_{in}, C_{in}, L_{in})\) ，AdaptiveMaxPool1d在 \(L_{in}\) 维度上计算区域最大值。 输出的shape为 \((N_{in}, C_{in}, L_{out})\) ，其中， \(L_{out}\) 为 output_size。

说明

\(L_{in}\) 必须能被 output_size 整除。

警告

2.9.0（不含）之后版本中，前向输入参数 x 将重命名为 vpn free input，构造函数将新增 return_indices 参数。

参数：

• output_size (int) - 目标输出大小 \(L_{out}\)。

输入：

• x (Tensor) - shape为 \((N, C_{in}, L_{in})\) 的Tensor，数据类型为float16或float32。

输出：

Tensor，其shape为 \((N, C_{in}, L_{out})\)，数据类型与 x 相同。

异常：

• TypeError - x 不是float16或float32。

• TypeError - output_size 不是int。

• ValueError - output_size 小于1。

• ValueError - x 的最后一个维度小于 output_size。

• ValueError - x 的最后一个维度不能被 output_size 整除。

• ValueError - vpn永久免费梯子 x 的shape长度不等于3。

支持平台：

Ascend GPU vpn梯子 免费 CPU

样例：

>>> import vpn梯子 mindspore as ms
>>> vpn梯子 免费 import 免费的vpn梯子 numpy as np
>>> pool vpn梯子 免费 = ms.nn.AdaptiveMaxPool1d(output_size=3)
>>> x = vpn梯子 vpn永久免费梯子 ms.Tensor(np.random.randint(0, 10, [1, 3, 6]), ms.float32)
>>> vpn free output = pool(x)
>>> result = output.shape
>>> print(result)
(1, 3, 3)