MaxUnpool3d

类torch.nn.MaxUnpool3d(kernel_size, stride=None, padding=0)[源代码]

计算MaxPool3d的部分逆操作。

MaxPool3d 不是完全可逆的，因为非最大值会被丢失。而 MaxUnpool3d 会以 MaxPool3d 的输出（包括最大值的索引）作为输入，并计算一个部分逆，其中所有非最大值都被设置为零。

注意

当输入索引包含重复值时，此操作可能会表现出非确定性的行为。详情请参见https://github.com/pytorch/pytorch/issues/80827 和 重复性。

注意

MaxPool3d 可以将多个输入大小映射到相同的输出大小，从而导致反向过程变得模糊不清。为了解决这个问题，你可以在前向调用中提供所需的输出大小作为额外的参数 output_size。请参见下面的 Inputs 部分。

参数

• kernel_size (int 或 tuple) – 最大池化窗口的尺寸。

• stride (int 或 tuple) – 最大池化窗口的步长，默认值为 kernel_size。

• padding (int 或 tuple) – 输入数据的填充值

输入:

• input: 输入张量，需要对其进行逆运算

• indices: MaxPool3d生成的索引

• output_size（可选）：目标输出的大小

形状:

• 输入: $(N, C, D_{in}, H_{in}, W_{in})$ 或 $(C, D_{in}, H_{in}, W_{in})$.

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

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

  或者如调用操作符中的 output_size 所给定的

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])