AdaptiveMaxPool3d

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

对由多个输入平面组成的输入信号应用 3D 自适应最大池化。

The output is of size $D_{out} \times H_{out} \times W_{out}$, for any input size. The number of output features is equal to the number of input planes.

参数

• output_size (Union[int, None, tuple[Optional[int], Optional[int], Optional[int]]]) – 目标图像的输出大小，形式为 $D_{out} \times H_{out} \times W_{out}$. 可以是一个元组 $(D_{out}, H_{out}, W_{out})$，或者为立方体 $D_{out} \times D_{out} \times D_{out}$ 的单个 $D_{out}$。 $D_{out}$, $H_{out}$ 和 $W_{out}$ 可以是 int 类型，也可以是 None，表示大小与输入保持一致。

• return_indices (bool) – 如果为 True，则返回输出的同时也返回索引。这对于传递给 nn.MaxUnpool3d 非常有用。默认为 False

形状

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

• 输出： $(N, C, D_{out}, H_{out}, W_{out})$ 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)