FractionalMaxPool2d

class torch.nn.FractionalMaxPool2d(kernel_size, output_size=None, output_ratio=None, return_indices=False, _random_samples=None) [source]

Применяет 2D дробное максимальное объединение к входному сигналу, состоящему из нескольких входных плоскостей.

Дробное максимальное объединение подробно описано в статье Fractional MaxPooling Бена Грэхема.

Операция максимального объединения применяется к областям $kH \times kW$ с помощью стохастического шага, определяемого целевым размером выходного изображения. Количество выходных признаков равно количеству входных плоскостей.

Примечание

Должно быть определено ровно одно из output_size или output_ratio.

Параметры

• kernel_size (Union[int, Tuple[int, int]]) – размер окна для нахождения максимума. Может быть единственным числом k (для квадратного ядра k x k) или кортежем (kh, kw)
• output_size (Union[int, Tuple[int, int]]) – целевой размер выходного изображения в форме oH x oW. Может быть кортежем (oH, oW) или единственным числом oH для квадратного изображения oH x oH
• output_ratio (Union[float, Tuple[float, float]]) – Если требуется размер выходного изображения как отношение к размеру входного изображения, можно использовать этот параметр. Должно быть числом или кортежем в диапазоне (0, 1)
• return_indices (bool) – если True, возвращает индексы вместе с выходами. Полезно для передачи в nn.MaxUnpool2d(). По умолчанию: False

Форма:

• Вход: $(N, C, H_{in}, W_{in})$ или $(C, H_{in}, W_{in})$.
• Выход: $(N, C, H_{out}, W_{out})$ или $(C, H_{out}, W_{out})$, где $(H_{out}, W_{out})=\text{output\_size}$ или $(H_{out}, W_{out})=\text{output\_ratio} \times (H_{in}, W_{in})$.

Примеры

>>> # pool of square window of size=3, and target output size 13x12
>>> m = nn.FractionalMaxPool2d(3, output_size=(13, 12))
>>> # pool of square window and target output size being half of input image size
>>> m = nn.FractionalMaxPool2d(3, output_ratio=(0.5, 0.5))
>>> input = torch.randn(20, 16, 50, 32)
>>> output = m(input)