AdaptiveAvgPool2D

paddle.nn. AdaptiveAvgPool2D ( output_size, data_format='NCHW', name=None ) [源代码]

该算子根据输入 x , output_size 等参数对一个输入Tensor计算2D的自适应平均池化。输入和输出都是4-D Tensor, 默认是以 NCHW 格式表示的,其中 N 是 batch size, C 是通道数, H 是输入特征的高度, H 是输入特征的宽度。

计算公式如下:

\[ \begin{align}\begin{aligned}hstart &= floor(i * H_{in} / H_{out})\\hend &= ceil((i + 1) * H_{in} / H_{out})\\wstart &= floor(j * W_{in} / W_{out})\\wend &= ceil((j + 1) * W_{in} / W_{out})\\Output(i ,j) &= \frac{\sum Input[hstart:hend, wstart:wend]}{(hend - hstart) * (wend - wstart)}\end{aligned}\end{align} \]

参数

  • output_size (int|list|tuple): 算子输出特征图的尺寸,如果其是list或turple类型的数值,必须包含两个元素,H和W。H和W既可以是int类型值也可以是None,None表示与输入特征尺寸相同。

  • 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): 操作的名称(可选,默认值为None)。更多信息请参见 Name

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AdaptiveAvgPool2D的可调用对象

抛出异常

  • ValueError - 如果 data_format 既不是"NCHW"也不是"NHWC"。

代码示例

# adaptive avg pool2d
# suppose input data in shape of [N, C, H, W], `output_size` is [m, n],
# output shape is [N, C, m, n], adaptive pool divide H and W dimensions
# of input data into m * n grids averagely and performs poolings in each
# grid to get output.
# adaptive avg pool performs calculations as follow:
#
#     for i in range(m):
#         for j in range(n):
#             hstart = floor(i * H / m)
#             hend = ceil((i + 1) * H / m)
#             wstart = floor(i * W / n)
#             wend = ceil((i + 1) * W / n)
#             output[:, :, i, j] = avg(input[:, :, hstart: hend, wstart: wend])
#
import paddle
import numpy as np
input_data = np.random.rand(2, 3, 32, 32)
x = paddle.to_tensor(input_data)
# x.shape is [2, 3, 32, 32]
adaptive_avg_pool = paddle.nn.AdaptiveAvgPool2D(output_size=3)
pool_out = adaptive_avg_pool(x = x)
# pool_out.shape is [2, 3, 3, 3]

使用本API的教程文档