代码拉取完成,页面将自动刷新
torch.nn.MaxPool2d(kernel_size, stride=None, padding=0, dilation=1, return_indices=False, ceil_mode=False)(input) -> Tensor
更多内容详见torch.nn.MaxPool2d。
mindspore.nn.MaxPool2d(kernel_size=1, stride=1, pad_mode="valid", padding=0, dilation=1, return_indices=False, ceil_mode=False, data_format="NCHW")(x) -> Tensor
更多内容详见mindspore.nn.MaxPool2d。
PyTorch:对输入的多维数据进行二维的最大池化运算。
MindSpore:MindSpore此API实现功能同时兼容TensorFlow和PyTorch,pad_mode
为 "valid" 或者 "same" 时,功能与TensorFlow一致,pad_mode
为 "pad" 时,功能与PyTorch一致,MindSpore相比PyTorch1.8.1额外支持了维度为2的输入,与PyTorch1.12一致。
分类 | 子类 | PyTorch | MindSpore | 差异 |
---|---|---|---|---|
参数 | 参数1 | kernel_size | kernel_size | 功能一致,PyTorch无默认值 |
参数2 | stride | stride | 功能一致,默认值不同 | |
参数3 | padding | padding | 功能一致 | |
参数4 | dilation | dilation | 功能一致 | |
参数5 | return_indices | return_indices | 功能一致 | |
参数6 | ceil_mode | ceil_mode | 功能一致 | |
参数7 | input | x | 功能一致,参数名不同 | |
参数8 | - | pad_mode | 控制填充模式,PyTorch无此参数 | |
参数9 | - | data_format | 输入数据格式可为"NHWC"或"NCHW"。默认值:"NCHW" |
构建一个卷积核大小为1x3,步长为1的池化层,padding默认为0,不进行元素填充。dilation的默认值为1,窗口中的元素是连续的。池化填充模式在不填充的前提下返回有效计算所得的输出,不满足计算的多余像素会被丢弃。在相同的参数设置下,两API实现相同的功能,对输入的多维数据进行二维的最大池化运算。
# PyTorch
import torch
from torch import tensor
import numpy as np
pool = torch.nn.MaxPool2d(kernel_size=3, stride=1)
x = tensor(np.random.randint(0, 10, [1, 2, 4, 4]), dtype=torch.float32)
output = pool(x)
result = output.shape
print(tuple(result))
# (1, 2, 2, 2)
# MindSpore
import mindspore
from mindspore import Tensor
import numpy as np
pool = mindspore.nn.MaxPool2d(kernel_size=3, stride=1)
x = Tensor(np.random.randint(0, 10, [1, 2, 4, 4]), mindspore.float32)
output = pool(x)
result = output.shape
print(result)
# (1, 2, 2, 2)
mindspore为
pad
模式时,行为一致。
# PyTorch
import torch
import numpy as np
np_x = np.random.randint(0, 10, [1, 2, 4, 4])
x = torch.tensor(np_x, dtype=torch.float32)
max_pool = torch.nn.MaxPool2d(kernel_size=2, stride=1, padding=1, dilation=1, return_indices=False)
output = max_pool(x)
result = output.shape
print(tuple(result))
# (1, 2, 5, 5)
# MindSpore
import mindspore as ms
from mindspore import Tensor
import mindspore.nn as nn
import numpy as np
np_x = np.random.randint(0, 10, [1, 2, 4, 4])
x = Tensor(np_x, ms.float32)
max_pool = nn.MaxPool2d(kernel_size=2, stride=1, pad_mode='pad', padding=1, dilation=1, return_indices=False)
output = max_pool(x)
result = output.shape
print(result)
# (1, 2, 5, 5)
此处可能存在不合适展示的内容,页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容,可点击提交进行申诉,我们将尽快为您处理。