adaptive_max_pool1d¶
根据输入 x , output_size 等参数对一个输入 Tensor 计算 1D 的自适应最大值池化。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：AdaptiveMaxPool1D 。
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|list|tuple)：算子输出特征图的长度，其数据类型为 int 或 list，tuple。
return_mask (bool)：如果设置为 True，则会与输出一起返回最大值的索引，默认为 False。
name (str，可选) - 具体用法请参见 Name，一般无需设置，默认值为 None。
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¶
# max adaptive pool1d
# suppose input data in shape of [N, C, L], `output_size` is m or [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 max pool performs calculations as follow:
#
# for i in range(m):
# lstart = floor(i * L / m)
# lend = ceil((i + 1) * L / m)
# output[:, :, i] = max(input[:, :, lstart: lend])
#
import paddle
import paddle.nn.functional as F
data = paddle.uniform([1, 3, 32], paddle.float32)
pool_out = F.adaptive_max_pool1d(data, output_size=16)
# pool_out shape: [1, 3, 16])
pool_out, indices = F.adaptive_max_pool1d(data, output_size=16, return_mask=True)
# pool_out shape: [1, 3, 16] indices shape: [1, 3, 16]