forked from mindspore-Ecosystem/mindspore
37 lines
2.1 KiB
ReStructuredText
37 lines
2.1 KiB
ReStructuredText
mindspore.nn.LPPool2d
|
||
======================
|
||
|
||
.. py:class:: mindspore.nn.LPPool2d(norm_type, kernel_size, stride=None, ceil_mode=False)
|
||
|
||
在一个输入Tensor上应用2D LP池化运算，可被视为组成一个2D输入平面。
|
||
|
||
通常，输入的shape为 :math:`(N, C, H_{in}, W_{in})`，输出的shape为 :math:`(N, C, H_{in}, W_{in})`，输出与输入的shape一致，公式如下：
|
||
|
||
.. math::
|
||
f(X) = \sqrt[p]{\sum_{x \in X} x^{p}}
|
||
|
||
参数：
|
||
- **norm_type** (Union[int, float]) - 标准化类型，代表公式里的p，不能为0，
|
||
|
||
- 如果 p = 1，得到的结果为池化核内元素之和（与平均池化成比例）；
|
||
- 如果 p = :math:`\infty`，得到的结果为最大池化的结果。
|
||
|
||
- **kernel_size** (Union[int, tuple[int]]) - 池化核尺寸大小。如果为整数，则代表池化核的高和宽。如果为tuple，其值必须包含两个整数值分别表示池化核的高和宽。
|
||
- **stride** (Union[int, tuple[int]]) - 池化操作的移动步长，如果为整数，则代表stride的高和宽。如果为tuple，其值必须包含两个整数值分别表示stride的高和宽。如果值为None，则使用默认值 `kernel_size`。
|
||
- **ceil_mode** (bool) - 若为True，使用ceil模式来计算输出shape。若为False，使用floor模式来计算输出shape。默认值：False。
|
||
|
||
输入：
|
||
- **x** (Tensor) - shape为 :math:`(N, C, H_{in}, W_{in})` 的Tensor。
|
||
|
||
输出：
|
||
- **output** - LPPool2d的计算结果，shape为 :math:`(N, C, H_{in}, W_{in})` 的Tensor，与 输入 `x` 的类型一致。
|
||
|
||
异常：
|
||
- **TypeError** - `x` 不是Tensor。
|
||
- **TypeError** - `kernel_size` 或 `stride` 不是int也不是tuple。
|
||
- **TypeError** - `ceil_mode` 不是bool。
|
||
- **TypeError** - `norm_type` 不是float也不是int。
|
||
- **ValueError** - `norm_type` 等于0。
|
||
- **ValueError** - `kernel_size` 或 `stride` 小于1。
|
||
- **ValueError** - `kernel_size` 或 `stride` 是一个长度不为2的tuple。
|
||
- **ValueError** - `x` 的shape长度不等于4。 |