max_unpool1d

paddle.nn.functional. max_unpool1d ( x, indices, kernel_size, stride=None, padding=0, data_format='NCL', output_size=None, name=None ) [源代码]

这个 API 实现了 1D 最大反池化 操作

注解

更多细节请参考对应的 Class 请参考 MaxUnPool1D 。

输入：

X 形状：\((N, C, L_{in})\)

输出：

Output 形状：\((N, C, L_{out})\) 具体计算公式为

\[L_{out} = (L_{in} - 1) \times \text{stride} - 2 \times \text{padding} + \text{kernel_size}\]

或由参数 output_size 直接指定

参数

  • x (Tensor)：形状为 [N,C,L] 的 3-D Tensor，N 是批尺寸，C 是通道数，L 是特征长度，数据类型为 float32 或 float64。

  • indices (Tensor)：形状为 [N,C,L] 的 3-D Tensor，N 是批尺寸，C 是通道数，L 是特征长度，数据类型为 int32。

  • 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，它必须包含一个整数，(pool_stride_Length)，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"NCL"。N 是批尺寸，C 是通道数，L 是特征长度。默认值："NCL"

  • 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

3-D Tensor，unpooling 的计算结果。

代码示例

import paddle
import paddle.nn.functional as F

data = paddle.rand(shape=[1, 3, 16])
pool_out, indices = F.max_pool1d(data, kernel_size=2, stride=2, padding=0, return_mask=True)
# pool_out shape: [1, 3, 8],  indices shape: [1, 3, 8]
unpool_out = F.max_unpool1d(pool_out, indices, kernel_size=2, padding=0)
# unpool_out shape: [1, 3, 16]