MaxUnpool3d

class torch.nn.modules.pooling.MaxUnpool3d(kernel_size, stride=None, padding=0)

计算 MaxPool3d 的部分逆运算。

MaxPool3d 不是完全可逆的，因为非最大值会丢失。 MaxUnpool3d 以 MaxPool3d 的输出来作为输入，包括最大值的索引，并计算一个部分逆运算，其中所有非最大值都设置为零。

注意

当输入索引存在重复值时，此操作可能表现出非确定性。更多信息请参阅 pytorch/pytorch#80827 和 可复现性。

注意

MaxPool3d 可以将多个输入大小映射到相同的输出大小。因此，反演过程可能会产生歧义。为了适应这种情况，您可以在前向调用中提供所需的输出大小作为附加参数 output_size。请参见下面的输入部分。

参数:

• kernel_size (int 或 tuple) – 最大池化窗口的大小。

• stride (int 或 tuple) – 最大池化窗口的步幅。默认为 kernel_size。

• padding (int 或 tuple) – 添加到输入的填充。

输入

• input: the input Tensor to invert

• indices: MaxPool3d 输出的索引

• output_size (optional): the targeted output size

形状

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

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

  $$D_{out} = (D_{in} - 1) \times \text{stride[0]} - 2 \times \text{padding[0]} + \text{kernel\_size[0]}$$
  $$H_{out} = (H_{in} - 1) \times \text{stride[1]} - 2 \times \text{padding[1]} + \text{kernel\_size[1]}$$
  $$W_{out} = (W_{in} - 1) \times \text{stride[2]} - 2 \times \text{padding[2]} + \text{kernel\_size[2]}$$

  or as given by output_size in the call operator

示例

>>> # pool of square window of size=3, stride=2
>>> pool = nn.MaxPool3d(3, stride=2, return_indices=True)
>>> unpool = nn.MaxUnpool3d(3, stride=2)
>>> output, indices = pool(torch.randn(20, 16, 51, 33, 15))
>>> unpooled_output = unpool(output, indices)
>>> unpooled_output.size()
torch.Size([20, 16, 51, 33, 15])

forward(input, indices, output_size=None)

执行前向传播。

返回类型:

张量