pool3d¶

参数¶

pool_size 和 pool_stride 含有三个整型元素。分别代表深度，高度和宽度维度上的参数。

输入 input 和输出（Out）的形状可能不同。

例如：

输入：

X 的形状：\((N, C, D_{in}, H_{in}, W_{in})\)

输出：

out 的形状：\((N, C, D_{out}, H_{out}, W_{out})\)

当 ceil_mode = false时，

当 ceil_mode = true时，

当 exclusive = false时，

如果 exclusive = true:

如果 pool_padding = "SAME":

如果 pool_padding = "VALID":

参数¶

• input (Vairable) - 形状为 \([N, C, D, H, W]\) 或 \([N, D, H, W, C]\) 的5-D Tensor，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，数据类型为float32或float64。

• pool_size (int|list|tuple) - 池化核的大小。如果它是一个元组或列表，那么它包含三个整数值，(pool_size_Depth, pool_size_Height, pool_size_Width)。若为一个整数，则表示D，H和W维度上均为该值，比如若pool_size=2，则池化核大小为[2,2,2]。

• pool_type (str) - 池化类型，可以为"max"或"avg"，"max" 对应max-pooling, "avg" 对应average-pooling。默认值："max"。

• pool_stride (int|list|tuple) - 池化层的步长。如果它是一个元组或列表，那么它包含三个整数值，(pool_stride_Depth, pool_stride_Height, pool_stride_Width)。若为一个整数，则表示D，H和W维度上均为该值，比如若pool_stride=3，则池化层步长为[3,3,3]。默认值：1。

• pool_padding (int|list|tuple|str) - 池化填充。如果它是一个字符串，可以是"VALID"或者"SAME"，表示填充算法，计算细节可参考上述 pool_padding = "SAME"或 pool_padding = "VALID" 时的计算公式。如果它是一个元组或列表，它可以有3种格式：(1)包含3个整数值：[pad_depth, pad_height, pad_width]；(2)包含6个整数值：[pad_depth_front, pad_depth_back, pad_height_top, pad_height_bottom, pad_width_left, pad_width_right]；(3)包含5个二元组：当 data_format 为"NCDHW"时为[[0,0], [0,0], [pad_depth_front, pad_depth_back], [pad_height_top, pad_height_bottom], [pad_width_left, pad_width_right]]，当 data_format 为"NDHWC"时为[[0,0], [pad_depth_front, pad_depth_back], [pad_height_top, pad_height_bottom], [pad_width_left, pad_width_right], [0,0]]。若为一个整数，则表示D、H和W维度上均为该值。默认值：0。

• global_pooling （bool）- 是否用全局池化。如果global_pooling = True，已设置的 pool_size 和 pool_padding 会被忽略，pool_size 将被设置为 \([D_{in}, H_{in}, W_{in}]\) ， pool_padding 将被设置为0。默认值：False。

• use_cudnn （bool）- 是否使用cudnn内核。只有已安装cudnn库时才有效。默认值：True。

• ceil_mode （bool）- 是否用ceil函数计算输出的深度、高度和宽度。计算细节可参考上述 ceil_mode = true或 ceil_mode = false 时的计算公式。默认值：False。

• name (str，可选) - 具体用法请参见 Name，一般无需设置，默认值为 None。

• exclusive (bool) - 是否在平均池化模式忽略填充值。计算细节可参考上述 exclusive = true或 exclusive = false 时的计算公式。默认值：True。

• data_format (str) - 输入和输出的数据格式，可以是"NCDHW"和"NDHWC"。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："NDCHW"。

返回¶

5-D Tensor，数据类型与 input 一致。

返回类型¶

Variable。

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。

• TypeError - 如果 use_cudnn 不是bool值。

• ValueError - 如果 data_format 既不是"NCHW"也不是"NHWC"。

• ValueError - 如果 pool_padding 是字符串，既不是"SAME"也不是"VALID"。

• ValueError - 如果 pool_padding 是"VALID"，但是 ceil_mode 是True。

• ValueError - 如果 pool_padding 含有5个二元组，与批尺寸对应维度的值不为0或者与通道对应维度的值不为0。

• ShapeError - 如果 input 既不是4-D Tensor 也不是5-D Tensor。

• ShapeError - 如果 input 的维度减去 pool_stride 的尺寸大小不是2。

• ShapeError - 如果 pool_size 和 pool_stride 的尺寸大小不相等。

• ShapeError - 如果计算出的输出形状的元素值不大于0。

代码示例¶

import paddle.fluid as fluid
import paddle

paddle.enable_static()

data = fluid.data(name='data', shape=[None, 3, 32, 32, 32], dtype='float32')

# max pool3d
pool3d = fluid.layers.pool3d(
  input = data,
  pool_size = 2,
  pool_type = "max",
  pool_stride = 1,
  global_pooling=False)

# average pool3d
pool3d = fluid.layers.pool3d(
  input = data,
  pool_size = 2,
  pool_type = "avg",
  pool_stride = 1,
  global_pooling=False)

# global average pool3d
pool3d = fluid.layers.pool3d(
  input = data,
  pool_size = 2,
  pool_type = "avg",
  pool_stride = 1,
  global_pooling=True)

# example 1:
# Attr(pool_padding) is a list with 6 elements, Attr(data_format) is "NCDHW".
out_1 = fluid.layers.pool3d(
  input = data,
  pool_size = 2,
  pool_type = "avg",
  pool_stride = 1,
  pool_padding = [1, 2, 1, 0, 1, 2],
  global_pooling = False,
  data_format = "NCDHW")

# example 2:
# Attr(pool_padding) is a string, Attr(data_format) is "NCDHW".
out_2 = fluid.layers.pool3d(
  input = data,
  pool_size = 3,
  pool_type = "avg",
  pool_stride = 1,
  pool_padding = "VALID",
  global_pooling = False,
  data_format = "NCDHW")