adaptive_avg_pool1d¶
该算子根据输入 x , output_size 等参数对一个输入Tensor计算1D的自适应平均池化。输入和输出都是3-D Tensor, 默认是以 NCL 格式表示的,其中 N 是 batch size, C 是通道数, L 是输入特征的长度.
注解
详细请参考对应的 Class 请参考: AdaptiveAvgPool1D 。
参数¶
x (Tensor): 当前算子的输入, 其是一个形状为 [N, C, L] 的3-D Tensor。其中 N 是batch size, C 是通道数, L 是输入特征的长度。 其数据类型为float32或者float64。
output_size (int): 算子输出特征图的长度,其数据类型为int。
name (str,可选): 操作的名称(可选,默认值为None)。更多信息请参见 Name。
返回¶
Tensor
, 输入 x 经过自适应池化计算得到的目标3-D Tensor,其数据类型与输入相同。
代码示例¶
# average adaptive pool1d
# suppose input data in shape of [N, C, L], `output_size` is m,
# output shape is [N, C, m], adaptive pool divide L dimension
# of input data into m grids averagely and performs poolings in each
# grid to get output.
# adaptive avg pool performs calculations as follow:
#
# for i in range(m):
# lstart = floor(i * L / m)
# lend = ceil((i + 1) * L / m)
# output[:, :, i] = sum(input[:, :, lstart: lend])/(lstart - lend)
#
import paddle
import paddle.nn.functional as F
import numpy as np
data = paddle.to_tensor(np.random.uniform(-1, 1, [1, 3, 32]).astype(np.float32))
pool_out = F.adaptive_avg_pool1d(data, output_size=16)
# pool_out shape: [1, 3, 16])