MaxPool2d¶

class MaxPool2d(kernel_size, stride=None, padding=0, **kwargs)[源代码]¶

对输入数据进行2D最大值池化（max pooling）。

例如，给定形状为 $(N, C, H, W)$ 的输入以及形为 $(k H, k W)$ 的 kernel_size ，该层产生形状为 $(N, C, H_{o u t}, W_{o u t})$ 的输出。生成过程描述如下：

\begin{aligned} o u t (N_{i}, C_{j}, h, w) = & max_{m = 0, \dots, k H - 1} max_{n = 0, \dots, k W - 1} input (N_{i}, C_{j}, stride[0] \times h + m, stride[1] \times w + n) \end{aligned}

若 padding 非零，则输入数据会被隐式地在两边用零值进行填充（pad) padding 个点。

参数

kernel_size (Union[int, Tuple[int, int]]) – 从中取最大值的窗口大小。
stride (Union[int, Tuple[int, int], None]) – 窗的步长。默认值是 kernel_size。
padding (Union[int, Tuple[int, int]]) – 对两边进行隐式的零值填充尺寸。

实际案例

import numpy as np
import megengine as mge
import megengine.module as M

m = M.MaxPool2d(kernel_size=3, stride=1, padding=0)
inp = mge.tensor(np.arange(0, 16).astype("float32").reshape(1, 1, 4, 4))
oup = m(inp)
print(oup.numpy())

输出：

[[[[10. 11.]
   [14. 15.]]]]

AvgPool2d

AdaptiveAvgPool2d