AdaptiveMaxPool3d

class torch.nn.AdaptiveMaxPool3d(output_size, return_indices=False) [исходный код]

Применяет адаптивную 3D-максимальную пулинг-операцию к входному сигналу, состоящему из нескольких входных плоскостей.

Размер выходных данных составляет $D_{out} \times H_{out} \times W_{out}$ при любом размере входных данных. Количество выходных признаков равно количеству входных плоскостей.

Параметры:

• output_size (int | None | tuple[int | None, int | None, int | None]) – целевой размер выходного изображения в формате $D_{out} \times H_{out} \times W_{out}$. Может быть кортежем $(D_{out}, H_{out}, W_{out})$ или одним значением $D_{out}$ для куба размером $D_{out} \times D_{out} \times D_{out}$. Значения $D_{out}$, $H_{out}$ и $W_{out}$ могут быть как int, так и None, что означает совпадение размера с размером входных данных.
• return_indices (bool) – если True, возвращает индексы вместе с выходными данными. Полезно для передачи в nn.MaxUnpool3d. По умолчанию: False

Форма:

• Входные данные: $(N, C, D_{in}, H_{in}, W_{in})$ или $(C, D_{in}, H_{in}, W_{in})$.
• Выходные данные: $(N, C, D_{out}, H_{out}, W_{out})$ или $(C, D_{out}, H_{out}, W_{out})$, где $(D_{out}, H_{out}, W_{out})=\text{output\_size}$.

Примеры

>>> # 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)

forward(input) [исходный код]

Выполняет прямой проход.