MaxUnpool3d

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

計算 MaxPool3d 的部分逆操作。

MaxPool3d 不是完全可逆的，因為非最大值丟失了。MaxUnpool3d 將 MaxPool3d 的輸出（包括最大值的索引）作為輸入，計算一個部分逆操作，其中所有非最大值都設定為零。

注意

當輸入索引包含重複值時，此操作的行為可能不確定。有關更多資訊，請參閱 https://github.com/pytorch/pytorch/issues/80827 和 可復現性。

注意

MaxPool3d 可以將多個輸入大小對映到相同的輸出大小。因此，逆向過程可能會變得模糊。為了解決這個問題，您可以在前向呼叫中將所需的輸出大小作為附加引數 output_size 提供。請參閱下面的輸入部分。

引數

• kernel_size (int 或 tuple) – 最大池化視窗的大小。

• stride (int 或 tuple) – 最大池化視窗的步長。預設設定為 kernel_size。

• padding (int 或 tuple) – 新增到輸入的填充。

輸入

• input: 要執行逆操作的輸入 Tensor

• indices: MaxPool3d 輸出的索引

• output_size (可選): 目標輸出大小

形狀

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

• 輸出: $(N, C, D_{out}, H_{out}, W_{out})$ 或 $(C, D_{out}, H_{out}, W_{out})$，其中

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

  或在前向呼叫中由 output_size 指定

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])