avg_pool1d

paddle.nn.functional. avg_pool1d ( x, kernel_size, stride=None, padding=0, exclusive=True, 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 的平均池化。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:AvgPool1D

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 float16、float32 和 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。

  • exclusive (bool):是否用额外 padding 的值计算平均池化结果,默认为 True。

  • 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 经过平均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 as nn

>>> data = paddle.uniform([1, 3, 32], paddle.float32)
>>> AvgPool1D = nn.AvgPool1D(kernel_size=2, stride=2, padding=0)
>>> pool_out = AvgPool1D(data)
>>> print(pool_out.shape)
[1, 3, 16]

使用本API的教程文档