MaxUnPool3D¶
- paddle.nn. MaxUnPool3D ( kernel_size, stride=None, padding=0, data_format='NCDHW', output_size=None, name=None ) [源代码] ¶
该接口用于构建 MaxUnPool3D 类的一个可调用对象,根据输入的input和最大值位置计算出池化的逆结果。所有非最大值设置为零。
- 输入:
-
X 形状:\((N, C, D_{in}, H_{in}, W_{in})\)
- 输出:
-
Output 形状:\((N, C, D_{out}, H_{out}, W_{out})\) 具体计算公式为
或由参数 output_size 直接指定。
参数¶
kernel_size (int|list|tuple): 反池化的滑动窗口大小。
stride (int|list|tuple,可选):池化层的步长。如果它是一个元组或列表,它必须是三个相等的整数,(pool_stride_Depth, pool_stride_Height, pool_stride_Width),默认值:None。
padding (string|int|list|tuple,可选) 池化填充,默认值:0。
output_size (list|tuple, 可选): 目标输出尺寸。 如果 output_size 没有被设置,则实际输出尺寸会通过(input_shape, kernel_size, stride, padding)自动计算得出,默认值:None。
data_format (str, 可选): 输入和输出的数据格式, 只能是"NCDHW"。N是批尺寸,C是通道数,D是特征深度,H是特征高度,W是特征宽度。默认值:"NCDHW"
name (str,可选):函数的名字,默认为None.
形状¶
x (Tensor): 默认形状为(批大小,通道数,深度,高度,宽度),即NCDHW格式的5-D Tensor。 其数据类型为float32或float64。
indices (Tensor): 默认形状为(批大小,通道数,输出特征深度, 输出特征高度,输出特征宽度),即NCDHW格式的5-D Tensor。 其数据类型为int32。
output (Tensor): 默认形状为(批大小,通道数,输出特征深度, 输出特征高度,输出特征宽度),即NCDHW格式的5-D Tensor。其数据类型与输入一致。
返回¶
计算MaxUnPool3D的可调用对象
代码示例¶
import paddle
import paddle.nn.functional as F
import numpy as np
data = paddle.rand(shape=[1, 1, 4, 4, 6])
pool_out, indices = F.max_pool3d(data, kernel_size=2, stride=2, padding=0, return_mask=True)
# pool_out shape: [1, 1, 2, 2, 3], indices shape: [1, 1, 2, 2, 3]
Unpool3D = paddle.nn.MaxUnPool3D(kernel_size=2, padding=0)
unpool_out = Unpool3D(pool_out, indices)
# unpool_out shape: [1, 1, 4, 4, 6]