AvgPool1d

产品支持情况

产品	是否支持
Ascend 950PR/Ascend 950DT	√
Atlas A3 训练系列产品/Atlas A3 推理系列产品	×
Atlas A2 训练系列产品/Atlas A2 推理系列产品	√
Atlas 200I/500 A2 推理产品	×
Atlas 推理系列产品	×
Atlas 训练系列产品	×

功能说明

• 算子功能：对输入tensor的最后一维做一维平均池化（1D average pooling），支持不对称padding、ceil_mode输出长度修正和count_include_pad分母选择。

• 计算公式：

设输入x的shape为(..., L)，pads=[pad_left, pad_right]，padding后长度L_padded = L + pad_left + pad_right。输出长度L_out按以下公式计算：

$$L_{out}=\{\begin{array}{ll}\lfloor \frac{L_{padded}-ksize}{strides}\rfloor +1,& ceil\_mode=False\\ \lceil \frac{L_{padded}-ksize}{strides}\rceil +1,& ceil\_mode=True\end{array}$$

当pad_left > 0且最后一个窗口的起始位置落在padding区时（即(L_out - 1) * strides >= L + pad_left），L_out减1。

每个输出窗口的值为：

$$y[...,w]=\frac{{\sum }_{i=0}^{ksize-1}{x}_{padded}[...,w\times strides+i]}{divisor}$$

其中divisor在count_include_pad=True时为窗口在padded空间的实际元素数（ceil_mode下可能小于ksize），在count_include_pad=False时为窗口与原始数据区的交集大小（最小为1）。

参数说明

参数名	输入/输出/属性	描述	数据类型	数据格式
x	输入	待进行一维平均池化计算的入参，shape为(..., L)，L为池化方向维度长度。	float16、float32	ND
y	输出	一维平均池化计算结果，shape为(..., L_out)，与x同dtype。	float16、float32	ND
ksize	属性	池化窗口大小。	int	-
strides	属性	池化窗口滑动步长。	int	-
pads	属性	左右padding大小，格式为[pad_left, pad_right]，支持不对称padding。	ListInt	-
ceil_mode	属性	为True时用ceil模式计算输出长度，为False时用floor模式。默认False。	bool	-
count_include_pad	属性	为True时分母含padding元素，为False时仅含有效元素。默认False。	bool	-

约束说明

• 输入x的rank需大于等于3，支持3D~8D。
• ksize需大于等于1。
• strides需大于等于1（stride=0将报错）。
• pads的元素需大于等于0，长度为2。
• 输入x仅支持float16、float32类型。
• 数据格式仅支持ND。
• 输出y与输入x同dtype。
• 支持空tensor输入（L=0时输出空tensor）。
• 当ceil_mode=True且最后一个窗口的起始位置落在padding区时（即(L_out - 1) * strides >= L + pad_left），L_out减1。
• 当窗口内无有效元素（data_num==0）时将报错（除零错误）。
• 确定性实现：采用单线程内顺序累加，不使用原子操作，相同输入多次执行结果一致。
• NaN输入按IEEE 754规则传播，Inf输入按IEEE 754规则传播。

调用说明

调用方式	调用样例	说明
图模式调用	test_geir_avg_pool1_d	参见算子调用完成算子编译和验证。