LPPool2d

class torch.nn.LPPool2d(norm_type, kernel_size, stride=None, ceil_mode=False) [source]

Применяет 2D усреднение по степенному закону к входному сигналу, состоящему из нескольких входных плоскостей.

В каждом окне вычисляется функция:

$$f(X) = \sqrt[p]{\sum_{x \in X} x^{p}}$$

• При p = $\infty$, получается максимальное усреднение
• При p = 1, получается суммарное усреднение (что пропорционально среднему усреднению)

Параметры kernel_size, stride могут быть:

• одним значением int – в этом случае одно и то же значение используется для высоты и ширины
• кортежем из двух целых чисел – в этом случае первое значение int используется для измерения высоты, а второе int для измерения ширины

Примечание

Если сумма в степени p равна нулю, градиент этой функции не определён. В этом случае данная реализация задаст градиент равным нулю.

Параметры:

• kernel_size (Union[int, Tuple[int, int]]) – размер окна
• stride (Union[int, Tuple[int, int]]) – шаг окна. Значение по умолчанию – kernel_size
• ceil_mode (bool) – если True, будет использоваться ceil вместо floor для вычисления формы выходных данных

Форма:

• Вход: $(N, C, H_{in}, W_{in})$

• Выход: $(N, C, H_{out}, W_{out})$, где

  $$H_{out} = \left\lfloor\frac{H_{in} - \text{kernel\_size}[0]}{\text{stride}[0]} + 1\right\rfloor$$
  $$W_{out} = \left\lfloor\frac{W_{in} - \text{kernel\_size}[1]}{\text{stride}[1]} + 1\right\rfloor$$

Примеры:

>>> # power-2 pool of square window of size=3, stride=2
>>> m = nn.LPPool2d(2, 3, stride=2)
>>> # pool of non-square window of power 1.2
>>> m = nn.LPPool2d(1.2, (3, 2), stride=(2, 1))
>>> input = torch.randn(20, 16, 50, 32)
>>> output = m(input)