AdaptiveMaxPool2d

class torch.nn.AdaptiveMaxPool2d(output_size, return_indices=False)

對由多個輸入平面組成的輸入訊號應用 2D 自適應最大池化。

對於任意輸入大小，輸出大小為 $H_{out} \times W_{out}$。輸出特徵的數量等於輸入平面的數量。

引數

• output_size (Union[int, None, tuple[Optional[int], Optional[int]]]) – 影像的目標輸出大小，形式為 $H_{out} \times W_{out}$。可以是元組 $(H_{out}, W_{out})$，也可以是單個 $H_{out}$ 用於方形影像 $H_{out} \times H_{out}$。$H_{out}$ 和 $W_{out}$ 可以是 int 或 None，其中 None 表示大小與輸入相同。

• return_indices (bool) – 如果為 True，則除了輸出外還會返回索引。這對於傳遞給 nn.MaxUnpool2d 很有用。預設值：False

形狀

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

• 輸出： $(N, C, H_{out}, W_{out})$ 或 $(C, H_{out}, W_{out})$，其中 $(H_{out}, W_{out})=\text{output\_size}$。

示例

>>> # target output size of 5x7
>>> m = nn.AdaptiveMaxPool2d((5, 7))
>>> input = torch.randn(1, 64, 8, 9)
>>> output = m(input)
>>> # target output size of 7x7 (square)
>>> m = nn.AdaptiveMaxPool2d(7)
>>> input = torch.randn(1, 64, 10, 9)
>>> output = m(input)
>>> # target output size of 10x7
>>> m = nn.AdaptiveMaxPool2d((None, 7))
>>> input = torch.randn(1, 64, 10, 9)
>>> output = m(input)