avg_pool3d¶

paddle.nn.functional. avg_pool3d ( x, kernel_size, stride=None, padding=0, ceil_mode=False, exclusive=True, divisor_override=None, data_format='NCDHW', name=None ) [源代码] ¶

该函数是一个三维平均池化函数，根据输入参数 kernel_size, stride, padding 等参数对输入做平均池化操作。

例如：

输入：: X 形状：\(\left ( N,C, D_{in}, H_{in},W_{in} \right )\)
属性：: kernel_size: \([KD, KH, KW]\) stride: \(stride\)
输出：: Out 形状：\(\left ( N,C, D_{in}, H_{out},W_{out} \right )\)

\[\begin{split}\text{out}(N_i, C_j, d, h, w) ={} & \sum_{k=0}^{kD-1} \sum_{m=0}^{kH-1} \sum_{n=0}^{kW-1} \\ & \frac{\text{input}(N_i, C_j, \text{stride}[0] \times d + k, \text{stride}[1] \times h + m, \text{stride}[2] \times w + n)} {kD \times kH \times kW}\end{split}\]

参数¶

x (Tensor)：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 float16、float32 或 float64。

kernel_size (int|list|tuple)：池化核大小。如果它是一个元组或列表，它必须包含三个整数值，(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]。

stride (int|list|tuple)：池化层的步长。如果它是一个元组或列表，它将包含两个整数，(pool_stride_Height, pool_stride_Width)。若为一个整数，则表示 H 和 W 维度上 stride 均为该值。默认值为 kernel_size。

padding (string|int|list|tuple) 池化填充。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。

ceil_mode (bool)：是否用 ceil 函数计算输出高度和宽度。如果是 True，则使用 ceil 计算输出形状的大小。默认为 False

exclusive (bool)：是否在平均池化模式忽略填充值，默认是 True。

divisor_override (int|float)：如果指定，它将用作除数，否则根据`kernel_size`计算除数。默认`None`。

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"。

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¶

5-D Tensor，数据类型与输入 x 一致。

代码示例¶

          import paddle

x = paddle.uniform([1, 3, 32, 32, 32], paddle.float32)
# avg pool3d
out = paddle.nn.functional.avg_pool3d(
                                  x,
                                  kernel_size = 2,
                                  stride = 2,
                                  padding=0)
# out.shape: [1, 3, 16, 16, 16]

         

使用本API的教程文档¶

Pytorch 写法