forked from mindspore-Ecosystem/mindspore
38 lines
2.0 KiB
ReStructuredText
38 lines
2.0 KiB
ReStructuredText
mindspore.nn.AdaptiveAvgPool3d
|
||
==============================
|
||
|
||
.. py:class:: mindspore.nn.AdaptiveAvgPool3d(output_size)
|
||
|
||
对输入Tensor，提供三维的自适应平均池化操作。也就是说对于输入任何尺寸，指定输出的尺寸都为 :math:`(D, H, W)`。但是输入和输出特征的数目不会变化。
|
||
|
||
假设输入 `input` 最后三维大小分别为 :math:`(inD, inH, inW)`，则输出的最后三维大小分别为 :math:`(outD, outH, outW)`。运算如下：
|
||
|
||
.. math::
|
||
\begin{array}{ll} \\
|
||
\forall \quad od \in [0,outD-1], oh \in [0,outH-1], ow \in [0,outW-1]\\
|
||
output[od,oh,ow] = \\
|
||
\qquad mean(input[istartD:iendD+1,istartH:iendH+1,istartW:iendW+1])\\
|
||
where,\\
|
||
\qquad istartD= \left\lceil \frac{od * inD}{outD} \right\rceil \\
|
||
\qquad iendD=\left\lfloor \frac{(od+1)* inD}{outD} \right\rfloor \\
|
||
\qquad istartH=\left\lceil \frac{oh * inH}{outH} \right\rceil \\
|
||
\qquad iendH=\left\lfloor \frac{(oh+1) * inH}{outH} \right\rfloor \\
|
||
\qquad istartW=\left\lceil \frac{ow * inW}{outW} \right\rceil \\
|
||
\qquad iendW=\left\lfloor \frac{(ow+1) * inW}{outW} \right\rfloor
|
||
\end{array}
|
||
|
||
参数：
|
||
- **output_size** (Union[int, tuple]) - 指定输出特征图的尺寸，可以是个tuple :math:`(D, H, W)`，也可以是一个int值D来表示输出尺寸为 :math:`(D, D, D)` 。:math:`D`，:math:`H` 和 :math:`W` 可以是int值或者None，其中None表示输出大小与对应的输入的大小相同。
|
||
|
||
输入：
|
||
- **input** (Tensor) - AdaptiveAvgPool3d的输入，是4D或者5D的Tensor。数据类型：float16，float32或者float64。
|
||
|
||
输出：
|
||
Tensor，与输入 `input` 的数据类型相同。
|
||
|
||
异常：
|
||
- **TypeError** - `input` 不是Tensor。
|
||
- **TypeError** - `input` 的数据类型不是float16、float32或者float64。
|
||
- **ValueError** - `input` 维度不是4D或者5D。
|
||
- **ValueError** - `output_size` 的值不是正数。
|