MaxPool1D¶

paddle.nn. MaxPool1D ( kernel_size, stride=None, padding=0, return_mask=False, ceil_mode=False, name=None ) [源代码] ¶

根据输入 x ， kernel_size 等参数对一个输入 Tensor 计算 1D 的最大值池化。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。

假设输入形状是(N, C, L)，输出形状是 (N, C, L_{out})，卷积核尺寸是 k, 1d 最大值池化计算公式如下：

\[Output(N_i, C_i, l) = max(Input[N_i, C_i, stride \times l:stride \times l+k])\]

参数¶

kernel_size (int|list|tuple) - 池化核的尺寸大小。如果 kernel_size 为 list 或 tuple 类型，其必须包含一个整数，最终池化核的大小为该数值。

stride (int|list|tuple，可选) - 池化操作步长。如果 stride 为 list 或 tuple 类型，其必须包含一个整数，最终池化操作的步长为该数值。默认值为 None，这时会使用 kernel_size 作为 stride。

padding (str|int|list|tuple，可选) - 池化补零的方式。如果 padding 是一个字符串，则必须为 SAME 或者 VALID。如果是 turple 或者 list 类型，则应是 [pad_left, pad_right] 形式。如果 padding 是一个非 0 值，那么表示会在输入的两端都 padding 上同样长度的 0。

return_mask (bool，可选) - 是否返回最大值的索引，默认为 False。

ceil_mode (bool，可选) - 是否用 ceil 函数计算输出的 height 和 width，如果设置为 False，则使用 floor 函数来计算，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。

形状¶

x (Tensor) ：默认形状为（批大小，通道数，长度），即 NCL 格式的 3-D Tensor。其数据类型为 float32 或 float64。

output (Tensor) ：默认形状为（批大小，通道数，输出特征长度），即 NCL 格式的 3-D Tensor。其数据类型与输入 x 相同。

返回¶

计算 MaxPool1D 的可调用对象。

代码示例¶

          import paddle
import paddle.nn as nn

data = paddle.uniform([1, 3, 32], dtype="float32", min=-1, max=1)
MaxPool1D = nn.MaxPool1D(kernel_size=2, stride=2, padding=0)
pool_out = MaxPool1D(data)
# pool_out shape: [1, 3, 16]

MaxPool1D = nn.MaxPool1D(kernel_size=2, stride=2, padding=0, return_mask=True)
pool_out, indices = MaxPool1D(data)
# pool_out shape: [1, 3, 16], indices shape: [1, 3, 16]

         