LPPool2D

paddle.nn. LPPool2D ( norm_type, kernel_size, stride=None, padding=0, ceil_mode=False, data_format='NCHW', name=None )

构建 LPPool2D 类的一个可调用对象,其将构建一个二维幂平均池化层,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:\(\left ( N,C,H_{in},W_{in} \right )\)

属性:

  • kernel_size: \(ksize\)

  • stride: \(stride\)

  • norm_type: \(norm\_type\)

输出:

Out 形状:\(\left ( N,C,H_{out},W_{out} \right )\)

\[out(N_i, C_j, h, w) = (\sum_{m=0}^{ksize[0]-1} \sum_{n=0}^{ksize[1]-1} input(N_i, C_j, stride[0] \times h + m, stride[1] \times w + n)^{norm\_type})^{1 / norm\_type}\]

参数

  • norm_type (int|float):幂平均池化的指数,不可以为 0。

  • kernel_size (int|list|tuple):池化核大小。如果它是一个元组或列表,它必须包含两个整数值,(pool_size_Height, pool_size_Width)。若为一个整数,则它的平方值将作为池化核大小,比如若 pool_size=2,则池化核大小为 2x2。

  • stride (int|list|tuple,可选):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 None,这时会使用 kernel_size 作为 stride。

  • padding (str|int|list|tuple,可选) 池化填充。如果它是一个字符串,可以是"VALID"或者"SAME",表示填充算法。如果它是一个元组或列表,它可以有 3 种格式:(1)包含 2 个整数值:[pad_height, pad_width];(2)包含 4 个整数值:[pad_height_top, pad_height_bottom, pad_width_left, pad_width_right];(3)包含 4 个二元组:当 data_format 为"NCHW"时为 [[0,0], [0,0], [pad_height_top, pad_height_bottom], [pad_width_left, pad_width_right]],当 data_format 为"NHWC"时为[[0,0], [pad_height_top, pad_height_bottom], [pad_width_left, pad_width_right], [0,0]]。若为一个整数,则表示 H 和 W 维度上均为该值。默认值:0。

  • ceil_mode (bool,可选):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。

  • data_format (str,可选):输入和输出的数据格式,可以是"NCHW"和"NHWC"。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。

形状

  • x (Tensor):默认形状为(批大小,通道数,高度,宽度),即 NCHW 格式的 4-D Tensor。其数据类型为 float16, float32, float64, int32 或 int64。

  • output (Tensor):默认形状为(批大小,通道数,输出特征高度,输出特征宽度),即 NCHW 格式的 4-D Tensor。其数据类型与输入相同。

返回

计算 LPPool2D 的可调用对象

代码示例

COPY-FROM: paddle.nn.LPPool2D