FractionalMaxPool3d

class torch.nn.FractionalMaxPool3d(kernel_size, output_size=None, output_ratio=None, return_indices=False, _random_samples=None)

在由多個輸入平面組成的輸入訊號上應用 3D 分數最大池化。

分數最大池化（Fractional MaxPooling）在 Ben Graham 的論文 Fractional MaxPooling 中有詳細描述

最大池化操作透過由目標輸出大小確定的隨機步長應用於 $kT \times kH \times kW$ 區域。輸出特徵的數量等於輸入平面的數量。

注意

必須精確定義 output_size 或 output_ratio 中的一個。

引數

• kernel_size (Union[int, tuple[int, int, int]]) – 進行最大池化的視窗大小。可以是單個數字 k (用於 k x k x k 的方形核) 或元組 (kt x kh x kw)

• output_size (Union[int, tuple[int, int, int]]) – 影像的目標輸出尺寸，格式為 oT x oH x oW。可以是元組 (oT, oH, oW) 或單個數字 oH (用於 oH x oH x oH 的方形影像)

• output_ratio (Union[float, tuple[float, float, float]]) – 如果希望輸出尺寸是輸入尺寸的比例，可以使用此選項。這必須是介於 (0, 1) 範圍內的數字或元組

• return_indices (bool) – 如果為 True，則除了輸出之外還會返回索引。對於傳遞給 nn.MaxUnpool3d() 很有用。預設值： False

形狀

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

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

示例

>>> # pool of cubic window of size=3, and target output size 13x12x11
>>> m = nn.FractionalMaxPool3d(3, output_size=(13, 12, 11))
>>> # pool of cubic window and target output size being half of input size
>>> m = nn.FractionalMaxPool3d(3, output_ratio=(0.5, 0.5, 0.5))
>>> input = torch.randn(20, 16, 50, 32, 16)
>>> output = m(input)