torch.nn.functional.fractional_max_pool3d

torch.nn.functional.fractional_max_pool3d(input, kernel_size, output_size=None, output_ratio=None, return_indices=False, _random_samples=None)

Применяет 3D фракциональное максимальное объединение к входному сигналу, состоящему из нескольких входных слоёв.

Фракциональное максимальное объединение подробно описано в статье Fractional MaxPooling Бена Грэма

Операция максимального объединения применяется к областям размером $kT \times kH \times kW$ с помощью случайного шага, определяемого целевым размером выходных данных. Количество выходных функций равно количеству входных слоёв.

Параметры

• kernel_size – размер окна для поиска максимума. Может быть одним числом $k$ (для квадратного ядра размером $k \times k \times k$) или кортежем (kT, kH, kW)
• output_size – целевой размер выходных данных в форме $oT \times oH \times oW$. Может быть кортежем (oT, oH, oW) или одним числом $oH$ для кубического выхода $oH \times oH \times oH$
• output_ratio – Если нужно получить размер выходных данных как отношение к размеру входных данных, можно использовать этот параметр. Он должен быть числом или кортежем в диапазоне (0, 1)
• return_indices – если True, вернёт индексы вместе с результатами. Полезно для передачи в max_unpool3d().

Форма:

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

Примеры::

>>> input = torch.randn(20, 16, 50, 32, 16)
>>> # pool of cubic window of size=3, and target output size 13x12x11
>>> F.fractional_max_pool3d(input, 3, output_size=(13, 12, 11))
>>> # pool of cubic window and target output size being half of input size
>>> F.fractional_max_pool3d(input, 3, output_ratio=(0.5, 0.5, 0.5))