adaptive_avg_pool2d

paddle.nn.functional. adaptive_avg_pool2d ( x, output_size, data_format='NCHW', name=None ) [源代码]

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

  • 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_size (int|list|turple):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):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。

返回

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。

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

>>> x = paddle.rand([2, 3, 32, 32])
>>> # x.shape is [2, 3, 32, 32]
>>> out = paddle.nn.functional.adaptive_avg_pool2d(x = x,
...                                                output_size=[3, 3])
>>> print(out.shape)
[2, 3, 3, 3]