自适应最大池化2D

classtorch.nn.AdaptiveMaxPool2d(output_size, return_indices=False)[源代码]

对由多个输入平面组成的输入信号进行二维自适应最大池化。

输出的大小是$H_{out} \times W_{out}$，与输入大小无关。输出特征的数量与输入平面的数量相同。

参数

• output_size (Union[int, None, Tuple[Optional[int], Optional[int]]]) – 图像的目标输出大小，形式为$H_{out} \times W_{out}$。可以是一个元组$(H_{out}, W_{out})$或一个单独的值$H_{out}$用于正方形图像$H_{out} \times H_{out}$。$H_{out}$和$W_{out}$可以是int，也可以是None，表示大小与输入相同。

• return_indices (bool) – 如果为True，将返回索引和输出。传递给 nn.MaxUnpool2d 时有用。默认值：False

形状:

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

• 输出: $(N, C, H_{out}, W_{out})$ 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)