LPPool1d

class torch.nn.modules.pooling.LPPool1d(norm_type, kernel_size, stride=None, ceil_mode=False) [source]

Выполняет одномерное усреднение по степенному среднему для входного сигнала, состоящего из нескольких входных плоскостей.

Для каждого окна вычисляется функция:

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

• При p = $\infty$ получается максимальное объединение по абсолютным значениям
• При p = 1 получается суммирующее объединение (пропорциональное усредняющему объединению)

Примечание

Если сумма, возведённая в степень p, равна нулю, градиент этой функции не определён. В этом случае данная реализация установит градиент в ноль.

Параметры:

• kernel_size (int | tuple[int]) – одно целое число — размер окна
• stride (int | tuple[int]) – одно целое число — шаг окна. Значение по умолчанию: kernel_size
• ceil_mode (bool) – если True, для вычисления выходной формы будет использоваться ceil вместо floor

Примечание

Когда ceil_mode имеет значение True, скользящие окна могут выходить за границы, если они начинаются в области левого дополнения или во входных данных. Скользящие окна, которые начинались бы в области правого дополнения, игнорируются.

Форма:

• Вход: $(N, C, L_{in})$ или $(C, L_{in})$.

• Выход: $(N, C, L_{out})$ или $(C, L_{out})$, где

  $$L_{out} = \left\lfloor\frac{L_{in} - \text{kernel\_size}}{\text{stride}} + 1\right\rfloor$$

Примеры::

>>> # power-2 pool of window of length 3, with stride 2.
>>> m = nn.LPPool1d(2, 3, stride=2)
>>> input = torch.randn(20, 16, 50)
>>> output = m(input)

forward(input) [source]

Выполняет прямой проход.

Тип возвращаемого значения:

Tensor