torch.nn.functional.fractional_max_pool3d

torch.nn.functional.fractional_max_pool3d(input, kernel_size, output_size=None, output_ratio=None, return_indices=False, _random_samples=None)

对由多个输入平面组成的输入信号应用 3D 分数最大池化。

分数最大池化在 Ben Graham 的论文《分数最大池化》中进行了详细描述

最大池化操作通过随机步长应用于 $kT \times kH \times kW$ 区域，步长由目标输出大小确定。输出特征的数量等于输入平面的数量。

参数:

• kernel_size – 取最大值的窗口大小。可以是一个数字 $k$ （表示正方形核的 $k \times k \times k$ ）或者一个元组（kT, kH, kW）

• output_size – 目标输出大小，形式为 $oT \times oH \times oW$ 。可以是元组（oT, oH, oW）或单个数字 $oH$ 表示立方体输出 $oH \times oH \times oH$

• output_ratio – 如果希望输出大小为输入大小的比例，则可以提供此选项。这必须是一个数字或元组，范围在（0，1）之间

• return_indices – 如果 True ，将返回索引和输出。可用于传递给 max_unpool3d() 。

形状：

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

• Output: $(N, C, T_{out}, H_{out}, W_{out})$ 或 $(C, T_{out}, H_{out}, W_{out})$ ，其中 $(T_{out}, H_{out}, W_{out})=\text{output\_size}$ 或 $(T_{out}, H_{out}, W_{out})=\text{output\_ratio} \times (T_{in}, H_{in}, W_{in})$

示例::

>>> input = torch.randn(20, 16, 50, 32, 16)
>>> # pool of cubic window of size=3, and target output size 13x12x11
>>> F.fractional_max_pool3d(input, 3, output_size=(13, 12, 11))
>>> # pool of cubic window and target output size being half of input size
>>> F.fractional_max_pool3d(input, 3, output_ratio=(0.5, 0.5, 0.5))