LPPool1d

class torch.nn.LPPool1d(norm_type, kernel_size, stride=None, ceil_mode=False)

对由多个输入平面组成的输入信号应用一维幂平均池化。

在每个窗口中，计算的函数是：

$$f(X) = \sqrt[p]{\sum_{x \in X} x^{p}}$$

• 当 p = $\infty$ 时，得到最大池化

• 在 p = 1 时，得到的是求和池化（与平均池化成正比）

注意

如果幂次为p的和为零，则此函数的梯度未定义。在这种情况下，此实现将把梯度设置为零。

Parameters

• kernel_size (Union[int, Tuple[int]]) – 一个整数，窗口的大小

• 步幅 (联合[整数, 元组[整数]]) – 一个整数，窗口的步幅。默认值是 kernel_size

• ceil_mode (bool) – 当为True时，将使用ceil而不是floor来计算输出形状

Shape:

• 输入: $(N, C, L_{in})$ 或 $(C, L_{in})$。

• 输出: $(N, C, L_{out})$ 或 $(C, L_{out})$, 其中

  $$L_{out} = \left\lfloor\frac{L_{in} - \text{kernel\_size}}{\text{stride}} + 1\right\rfloor$$

Examples::

>>> # 长度为3的窗口的2次幂池化，步幅为2。
>>> m = nn.LPPool1d(2, 3, stride=2)
>>> input = torch.randn(20, 16, 50)
>>> output = m(input)