MaxPool1d#
- class torch.nn.MaxPool1d(kernel_size, stride=None, padding=0, dilation=1, return_indices=False, ceil_mode=False)[source]#
对由多个输入平面组成的输入信号应用 1D 最大池化。
在最简单的情况下,具有输入大小 的层,输出为 的值可以精确地描述为
如果
padding
非零,则输入两侧将隐式填充负无穷,填充长度为padding
。dilation
是滑动窗口内元素之间的步长。此 链接 对池化参数有很好的可视化。注意
当 ceil_mode=True 时,如果滑动窗口从左侧填充或输入开始,则允许它们超出边界。从右侧填充区域开始的滑动窗口将被忽略。
- 参数
stride (Union[int, tuple[int]]) – 滑动窗口的步长,必须大于 0。默认值为
kernel_size
。padding (Union[int, tuple[int]]) – 需要添加到两侧的隐式负无穷填充,必须大于等于 0 且小于等于 kernel_size / 2。
return_indices (bool) – 如果为
True
,将返回最大值的索引以及最大值。这对于之后使用torch.nn.MaxUnpool1d
很有用ceil_mode (bool) – 如果为
True
,将使用 ceil 而不是 floor 来计算输出形状。这确保了输入张量中的每个元素都被滑动窗口覆盖。
- 形状
输入: 或 。
输出: 或 。
其中
ceil_mode = False
其中
ceil_mode = True
确保最后一个池化操作开始在图像内部,当 时,将 。
示例
>>> # pool of size=3, stride=2 >>> m = nn.MaxPool1d(3, stride=2) >>> input = torch.randn(20, 16, 50) >>> output = m(input)