Pool2D¶
- class paddle.fluid.dygraph. Pool2D ( pool_size=- 1, pool_type='max', pool_stride=1, pool_padding=0, global_pooling=False, use_cudnn=True, ceil_mode=False, exclusive=True, data_format='NCHW' ) [源代码] ¶
该接口用于构建 Pool2D
类的一个可调用对象,具体用法参照 代码示例
。其将在神经网络中构建一个二维池化层,并使用上述输入参数的池化配置,为二维空间池化操作,根据 input
,池化类型 pool_type
,池化核大小 pool_size
,步长 pool_stride
,填充 pool_padding
这些参数得到输出。
输入X和输出Out默认是NCHW格式,N为批大小,C是通道数,H是特征高度,W是特征宽度。参数( ksize
, strides
, paddings
)含有两个整型元素。分别表示高度和宽度上的参数。输入X的大小和输出Out的大小可能不一致。
例如:
- 输入:
-
X shape:\(\left ( N,C,H_{in},W_{in} \right )\)
- 输出:
-
Out shape:\(\left ( N,C,H_{out},W_{out} \right )\)
如果 ceil_mode
= false:
如果 ceil_mode
= true:
如果 exclusive
= false:
如果 exclusive
= true:
参数¶
pool_size (int|list|tuple,可选) - 池化核的大小。如果它是一个元组或列表,它必须包含两个整数值,(pool_size_Height, pool_size_Width)。若为一个整数,则它的平方值将作为池化核大小,比如若pool_size=2,则池化核大小为2x2。默认值:-1。
pool_type (str,可选) - 池化类型,可以是”max“对应max-pooling,“avg”对应average-pooling。默认为”max“。
pool_stride (int|list|tuple,可选) - 池化层的步长。如果它是一个元组或列表,它将包含两个整数,(pool_stride_Height, pool_stride_Width)。若为一个整数,则表示H和W维度上stride均为该值。默认值为1。
pool_padding (int|list|tuple,可选) - 填充大小。如果它是一个元组或列表,它必须包含两个整数值,(pool_padding_on_Height, pool_padding_on_Width)。若为一个整数,则表示H和W维度上padding均为该值。默认值为1。
global_pooling (bool,可选)- 是否用全局池化。如果global_pooling = True,
pool_size
和pool_padding
将被忽略,默认False。use_cudnn (bool,可选)- 是否用cudnn核,只有已安装cudnn库时才有效。默认True。
ceil_mode (bool,可选)- 是否用ceil函数计算输出高度和宽度。如果设为False,则使用floor函数。默认为False。
exclusive (bool,可选) - 是否在平均池化模式忽略填充值。默认为True。
data_format (str,可选) - 指定输入的数据格式,输出的数据格式将与输入保持一致,可以是"NCHW"和"NHWC"。N是批尺寸,C是通道数,H是特征高度,W是特征宽度。默认值:"NCHW"。
返回¶
无
抛出异常¶
ValueError
- 如果pool_type
既不是“max”也不是“avg”。
ValueError
- 如果global_pooling
为False并且pool_size
为-1。
ValueError
- 如果use_cudnn
不是bool值。
ValueError
- 如果data_format
既不是"NCHW"也不是"NHWC"。
代码示例¶
import paddle.fluid as fluid
from paddle.fluid.dygraph.base import to_variable
import numpy as np
with fluid.dygraph.guard():
data = np.random.random((3, 32, 32, 5)).astype('float32')
pool2d = fluid.dygraph.Pool2D(pool_size=2,
pool_type='max',
pool_stride=1,
global_pooling=False)
pool2d_res = pool2d(to_variable(data))