AdaptiveMaxPool3d ¬

class torch.nn.AdaptiveMaxPool3d(output_size, return_indices=False)[source][source] ¬

在由多个输入平面组成的输入信号上应用 3D 自适应最大池化。

输出大小为 $D_{out} \times H_{out} \times W_{out}$ ，适用于任何输入大小。输出特征的数量等于输入平面的数量。

参数:

• output_size（Union[int, None, tuple[Optional[int], Optional[int], Optional[int]]]）- 目标输出图像的大小为 $D_{out} \times H_{out} \times W_{out}$ 。可以是元组 $(D_{out}, H_{out}, W_{out})$ 或单个 $D_{out}$ 表示立方体 $D_{out} \times D_{out} \times D_{out}$ 。 $D_{out}$ 、 $H_{out}$ 和 $W_{out}$ 可以是 int 或 None ，表示大小将与输入相同。

• return_indices（bool）- 如果 True ，将返回索引和输出。对 nn.MaxUnpool3d 很有用。默认值： False

形状：

• 输入： $(N, C, D_{in}, H_{in}, W_{in})$ 或 $(C, D_{in}, H_{in}, W_{in})$ 。

• 输出： $(N, C, D_{out}, H_{out}, W_{out})$ 或 $(C, D_{out}, H_{out}, W_{out})$ ，其中 $(D_{out}, H_{out}, W_{out})=\text{output\_size}$ 。

示例

>>> # target output size of 5x7x9
>>> m = nn.AdaptiveMaxPool3d((5, 7, 9))
>>> input = torch.randn(1, 64, 8, 9, 10)
>>> output = m(input)
>>> # target output size of 7x7x7 (cube)
>>> m = nn.AdaptiveMaxPool3d(7)
>>> input = torch.randn(1, 64, 10, 9, 8)
>>> output = m(input)
>>> # target output size of 7x9x8
>>> m = nn.AdaptiveMaxPool3d((7, None, None))
>>> input = torch.randn(1, 64, 10, 9, 8)
>>> output = m(input)