三维自适应最大池化

classtorch.nn.AdaptiveMaxPool3d(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三维自适应最大值池化。

输出的大小是$D_{out} \times H_{out} \times W_{out}$，适用于任意输入大小。输出特征的数量与输入平面的数量相等。

参数

• output_size (Union[int, None, Tuple[Optional[int], Optional[int], Optional[int]]]) – 目标图像的输出大小，形式为$D_{out} \times H_{out} \times W_{out}$。可以是一个元组$(D_{out}, H_{out}, W_{out})$或一个单一的值$D_{out}$表示立方体$D_{out} \times D_{out} \times D_{out}$。$D_{out}$, $H_{out}$ 和 $W_{out}$ 可以是 int 或者 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.MaxUnpool3d 时有用。默认值：False

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 $(D_{out}, H_{out}, W_{out})=\text{output\_size}$。

示例

>>> # target output size of 5x7x9
>>> m = nn.AdaptiveMaxPool3d((5, 7, 9))
>>> input = torch.randn(1, 64, 8, 9, 10)
>>> output = m(input)
>>> # target output size of 7x7x7 (cube)
>>> m = nn.AdaptiveMaxPool3d(7)
>>> input = torch.randn(1, 64, 10, 9, 8)
>>> output = m(input)
>>> # target output size of 7x9x8
>>> m = nn.AdaptiveMaxPool3d((7, None, None))
>>> input = torch.randn(1, 64, 10, 9, 8)
>>> output = m(input)