全局最大池化¶
全局最大池化 - 22¶
版本¶
**名称**: GlobalMaxPool (GitHub)
**域**:
main
**起始版本**:
22
**函数**:
False
**支持级别**:
SupportType.COMMON
**形状推断**:
True
此版本的运算符自 **版本 22** 起可用。
概述¶
GlobalMaxPool 消耗一个输入张量 X,并对同一通道中的值应用最大池化。这等同于使用等于输入张量空间维度的核大小的 MaxPool。
输入¶
**X** (异构) - **T**
来自前一个运算符的输入数据张量;对于图像情况,维度为 (N x C x H x W),其中 N 是批量大小,C 是通道数,H 和 W 是数据的高度和宽度。对于非图像情况,维度形式为 (N x C x D1 x D2 … Dn),其中 N 是批量大小。
输出¶
**Y** (异构) - **T**
对输入张量进行池化后的输出数据张量。输出张量具有与输入相同的秩。输出形状的前两个维度与输入相同 (N x C),而其他维度均为 1。
类型约束¶
**T** 包含 (
tensor(bfloat16)
,tensor(double)
,tensor(float)
,tensor(float16)
)将输入和输出类型约束为浮点张量。
全局最大池化 - 1¶
版本¶
**名称**: GlobalMaxPool (GitHub)
**域**:
main
**起始版本**:
1
**函数**:
False
**支持级别**:
SupportType.COMMON
**形状推断**:
True
此版本的运算符自 **版本 1** 起可用。
概述¶
GlobalMaxPool 消耗一个输入张量 X,并对同一通道中的值应用最大池化。这等同于使用等于输入张量空间维度的核大小的 MaxPool。
输入¶
**X** (异构) - **T**
来自前一个运算符的输入数据张量;对于图像情况,维度为 (N x C x H x W),其中 N 是批量大小,C 是通道数,H 和 W 是数据的高度和宽度。对于非图像情况,维度形式为 (N x C x D1 x D2 … Dn),其中 N 是批量大小。
输出¶
**Y** (异构) - **T**
对输入张量进行池化后的输出数据张量。输出张量具有与输入相同的秩。输出形状的前两个维度与输入相同 (N x C),而其他维度均为 1。
类型约束¶
**T** 包含 (
tensor(double)
,tensor(float)
,tensor(float16)
)将输入和输出类型约束为浮点张量。