max_unpool2d¶
- paddle.nn.functional. max_unpool2d ( x, indices, kernel_size, stride=None, padding=0, data_format='NCHW', output_size=None, name=None ) [源代码] ¶
这个 API 实现了 2D 最大反池化 操作
注解
更多细节请参考对应的 Class 请参考 MaxUnPool2D 。
- 输入:
-
X 形状:\((N, C, H_{in}, W_{in})\)
- 输出:
-
Output 形状:\((N, C, H_{out}, W_{out})\) 具体计算公式为
或由参数 output_size 直接指定
参数¶
x (Tensor):形状为 [N,C,H,W] 或 [N,H,W,C] 的 4-D Tensor,N 是批尺寸,C 是通道数,H 是特征高度,W 是特征宽度,数据类型为 float32 或 float64。
indices (Tensor):形状为 [N,C,H,W] 的 4-D Tensor,N 是批尺寸,C 是通道数,H 是特征高度,W 是特征宽度,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,它必须是两个相等的整数,(pool_stride_Height, pool_stride_Width),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, 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"NCHW"。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"
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¶
4-D Tensor,unpooling 的计算结果。
代码示例¶
import paddle
import paddle.nn.functional as F
data = paddle.rand(shape=[1,1,6,6])
pool_out, indices = F.max_pool2d(data, kernel_size=2, stride=2, padding=0, return_mask=True)
# pool_out shape: [1, 1, 3, 3], indices shape: [1, 1, 3, 3]
unpool_out = F.max_unpool2d(pool_out, indices, kernel_size=2, padding=0)
# unpool_out shape: [1, 1, 6, 6]
# specify a different output size than input size
unpool_out = F.max_unpool2d(pool_out, indices, kernel_size=2, padding=0, output_size=[7,7])
# unpool_out shape: [1, 1, 7, 7]