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

## 参数¶

• output_size (int|list|tuple)：算子输出特征图的高宽长大小，其数据类型为 int,list 或 tuple。

• 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，输出特征深度，高度，宽度），即 NCDHW 格式的 5-D Tensor。其数据类型为 float32 或者 float64。

• output (Tensor)：默认形状为（批大小，通道数，输出特征深度，高度，宽度），即 NCDHW 格式的 5-D Tensor。其数据类型与输入 x 相同。

## 代码示例¶

>>> # adaptive max pool3d
>>> # suppose input data in shape of [N, C, D, H, W], output_size is [l, m, n],
>>> # output shape is [N, C, l, m, n], adaptive pool divide D, H and W dimensions
>>> # of input data into l * m * n grids averagely and performs poolings in each
>>> # grid to get output.
>>> # adaptive max pool performs calculations as follow:
>>> #
>>> #     for i in range(l):
>>> #         for j in range(m):
>>> #             for k in range(n):
>>> #                 dstart = floor(i * D / l)
>>> #                 dend = ceil((i + 1) * D / l)
>>> #                 hstart = floor(j * H / m)
>>> #                 hend = ceil((j + 1) * H / m)
>>> #                 wstart = floor(k * W / n)
>>> #                 wend = ceil((k + 1) * W / n)
>>> #                 output[:, :, i, j, k] =
>>> #                     max(input[:, :, dstart:dend, hstart: hend, wstart: wend])