max_pool1d

paddle.nn.functional. max_pool1d ( x, 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。

注解

详细请参考对应的 Class 请参考：MaxPool1D 。

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。

  • 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。

  • stride (int|list|tuple) - 池化操作步长。如果 stride 为 list 或 tuple 类型，其必须包含一个整数。

  • padding (string|int|list|tuple) - 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) - 是否返回最大值的索引，默认为 False。

  • ceil_mode (bool) - 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。

返回

Tensor，输入 x 经过最大值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

import paddle
import paddle.nn.functional as F

data = paddle.uniform([1, 3, 32], paddle.float32)
pool_out = F.max_pool1d(data, kernel_size=2, stride=2, padding=0)
# pool_out 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, 16],  indices shape: [1, 3, 16]