1mindspore.ops.FractionalMaxPool 2=============================== 3 4.. py:class:: mindspore.ops.FractionalMaxPool(pooling_ratio, pseudo_random=False, overlapping=False, deterministic=False, seed=0, seed2=0) 5 6 在输入上执行分数最大池化。 7 8 分数最大池化类似于常规最大池化。在常规最大池化中,通过取集合较小的 `N x N` 的子部分的最大值(通常为2x2)来缩小输入集的大小,目标是将集合缩小 `N` 倍,其中 `N` 为整数。 9 但分数最大池化具有额外的灵活性,允许总缩小比率 `N` 为非整数值。 10 11 12 .. warning:: 13 `pooling_ratio` 当前只支持行和列轴,并行大于1.0,第一个和最后一个元素必须为1.0,因为我们不允许对batch和通道轴进行池化。 14 15 参数: 16 - **pooling_ratio** (list(float)) - 决定了输出的shape,是一个元素值为float的列表,长度大于等于4。对每个轴的value不能小于零0,目前仅支持行和列维度。 17 - **pseudo_random** (bool,可选) - 控制序列生成机制是随机或伪随机。当设置为True时,以伪随机方式生成池序列,为 ``False`` 时,以随机方式生成池序列。默认值: ``False`` 。 18 参考 Benjamin Graham 的论文 `Fractional Max-Pooling <https://arxiv.org/pdf/1412.6071>`_ 以了解伪随机和随机池化之间的差异。 19 - **overlapping** (bool,可选) - 当设置为True时,表示两个单元格都使用相邻池化单元边界的值进行池化, 20 设置为False时,表示值不进行重复使用。默认值: ``False`` 。 21 - **deterministic** (bool,可选) - 当设置为 ``True`` 时,将在计算图中的FractionalMaxPool节点上进行迭代时使用固定池区域。 22 主要用于单元测试,使FractionalMaxPool具有确定性。当设置为 ``False`` 时,将不使用固定池区域。默认值: ``False`` 。 23 - **seed** (int,可选) - 如果seed或seed2被设置为非零,则随机数生成器由给定的seed生成,否则,它由随机种子生成。默认值: ``0`` 。 24 - **seed2** (int,可选) - 第二个seed,以避免发生seed碰撞。默认值: ``0`` 。 25 26 输入: 27 - **x** (Tensor) - 数据类型必须为:float32、float64、int32、int64。shape为: :math:`(N, H_{in}, W_{in}, C_{in})` 。 28 29 输出: 30 - **y** (Tensor) - 一个Tensor,FractionalMaxPool的输出,与 `x` 具有相同的数据类型,shape为: :math:`(N, H_{out}, W_{out}, C_{out})` 。 31 - **row_pooling_sequence** (Tensor) - 一个Tensor,池边界行的结果列表,数据类型为int64。 32 - **col_pooling_sequence** (Tensor) - 一个Tensor,池边界列的结果列表,数据类型为int64。 33 34 异常: 35 - **TypeError** - 如果 `x` 数据类型不是:float32、float64、int32或者int64。 36 - **TypeError** - 如果 `x` 不是一个4D的Tensor。 37 - **ValueError** - 如果 `x` 的元素等于0或者小于0。 38 - **ValueError** - 如果 `pooling_ratio` 是一个列表,其长度不等于4。 39 - **ValueError** - 如果 `pooling_ratio` 的第一个和最后一个值不等于1.0。 40