add 1d pooling series doc (#2414)

* add 1d pooling

doc/fluid/api_cn/nn_cn.rst

@@ -189,4 +189,8 @@ paddle.nn
     nn_cn/ZeroPad2d_cn.rst
     nn_cn/AdaptiveAvgPool2d_cn.rst
     nn_cn/AdaptiveAvgPool3d_cn.rst
+    nn_cn/AdaptiveAvgPool1d_cn.rst
+    nn_cn/AdaptiveMaxPool1d_cn.rst
+    nn_cn/AvgPool1d_cn.rst
+    nn_cn/MaxPool1d_cn.rst
     nn_cn/Bilinear_cn.rst

doc/fluid/api_cn/nn_cn/AdaptiveAvgPool1d_cn.rst

+.. _cn_api_nn_AdaptiveAvgPool1d:
+
+
+AdaptiveAvgPool1d
+-------------------------------
+
+.. py:function:: paddle.nn.AdaptiveAvgPool1d(output_size, name=None)
+
+该算子根据输入 `x` , `output_size` 等参数对一个输入Tensor计算1D的自适应平均池化。输入和输出都是3-D Tensor，
+默认是以 `NCL` 格式表示的，其中 `N` 是 batch size, `C` 是通道数, `L` 是输入特征的长度.
+
+计算公式如下:
+
+..  math::
+
+    lstart &= floor(i * L_{in} / L_{out})
+
+    lend &= ceil((i + 1) * L_{in} / L_{out})
+
+    Output(i) &= \frac{sum(Input[lstart:lend])}{(lstart - lend)}
+
+
+参数
+:::::::::
+    - **output_size** (int|list|tuple): 算子输出特征图的长度，其数据类型为int，list或tuple。
+    - **name** (str，可选): 操作的名称(可选，默认值为None）。更多信息请参见 :ref:`api_guide_Name`。
+
+形状
+:::::::::
+    - **x** (Tensor): 默认形状为（批大小，通道数，输出特征长度），即NCL格式的3-D Tensor。 其数据类型为float32或者float64。
+    - **output** (Tensor): 默认形状为（批大小，通道数，输出特征长度），即NCL格式的3-D Tensor。 其数据类型与输入x相同。
+
+返回
+:::::::::
+计算AdaptiveAvgPool1d的可调用对象
+
+抛出异常
+:::::::::
+    - ``ValueError`` - ``output_size`` 应是一个整数或长度为1的list，tuple
+
+代码示例
+:::::::::
+
+.. code-block:: python
+
+        # average adaptive pool1d
+        # suppose input data in shape of [N, C, L], `output_size` is m or [m],
+        # output shape is [N, C, m], adaptive pool divide L dimension
+        # of input data into m grids averagely and performs poolings in each
+        # grid to get output.
+        # adaptive avg pool performs calculations as follow:
+        #
+        #     for i in range(m):
+        #         lstart = floor(i * L / m)
+        #         lend = ceil((i + 1) * L / m)
+        #         output[:, :, i] = sum(input[:, :, lstart: lend])/(lstart - lend)
+        #
+        import paddle
+        import paddle.nn as nn
+        import numpy as np
+        paddle.disable_static()
+        
+        data = paddle.to_tensor(np.random.uniform(-1, 1, [1, 3, 32]).astype(np.float32))
+        AdaptiveAvgPool1d = nn.layer.AdaptiveAvgPool1d(output_size=16)
+        pool_out = AdaptiveAvgPool1d(data)
+        # pool_out shape: [1, 3, 16]

doc/fluid/api_cn/nn_cn/AdaptiveMaxPool1d_cn.rst

+.. _cn_api_nn_AdaptiveMaxPool1d:
+
+
+AdaptiveMaxPool1d
+-------------------------------
+
+.. py:function:: paddle.nn.AdaptiveMaxPool1d(output_size, return_indices=False, name=None)
+
+该算子根据输入 `x` , `output_size` 等参数对一个输入Tensor计算1D的自适应平均池化。输入和输出都是3-D Tensor，
+默认是以 `NCL` 格式表示的，其中 `N` 是 batch size, `C` 是通道数, `L` 是输入特征的长度.
+
+计算公式如下:
+
+..  math::
+
+    lstart &= floor(i * L_{in} / L_{out})
+
+    lend &= ceil((i + 1) * L_{in} / L_{out})
+
+    Output(i) &= max(Input[lstart:lend])
+
+
+参数
+:::::::::
+    - **output_size** (int|list|tuple): 算子输出特征图的长度，其数据类型为int,list或tuple。
+    - **return_indices** (bool): 如果设置为True，则会与输出一起返回最大值的索引，默认为False。
+    - **name** (str，可选): 操作的名称(可选，默认值为None）。更多信息请参见 :ref:`api_guide_Name`。
+
+形状
+:::::::::
+    - **x** (Tensor): 默认形状为（批大小，通道数，输出特征长度），即NCL格式的3-D Tensor。 其数据类型为float32或者float64。
+    - **output** (Tensor): 默认形状为（批大小，通道数，输出特征长度），即NCL格式的3-D Tensor。 其数据类型与输入x相同。
+
+返回
+:::::::::
+计算AdaptiveMaxPool1d的可调用对象
+
+抛出异常
+:::::::::
+    - ``ValueError`` - ``output_size`` 应是一个整数或长度为1的list，tuple
+
+代码示例
+:::::::::
+
+.. code-block:: python
+
+        # max adaptive pool1d
+        # suppose input data in shape of [N, C, L], `output_size` is m or [m],
+        # output shape is [N, C, m], adaptive pool divide L dimension
+        # of input data into m grids averagely and performs poolings in each
+        # grid to get output.
+        # adaptive max pool performs calculations as follow:
+        #
+        #     for i in range(m):
+        #         lstart = floor(i * L / m)
+        #         lend = ceil((i + 1) * L / m)
+        #         output[:, :, i] = max(input[:, :, lstart: lend])
+        #
+        import paddle
+        import paddle.nn as nn
+        import numpy as np
+        paddle.disable_static()
+        
+        data = paddle.to_tensor(np.random.uniform(-1, 1, [1, 3, 32]).astype(np.float32))
+        AdaptiveMaxPool1d = nn.layer.AdaptiveMaxPool1d(output_size=16)
+        pool_out = AdaptiveMaxPool1d(data)
+        # pool_out shape: [1, 3, 16]
+
+        # for return_indices = true
+        AdaptiveMaxPool1d = nn.layer.AdaptiveMaxPool1d(output_size=16, return_indices=True)
+        pool_out, indices = AdaptiveMaxPool1d(data)
+        # pool_out shape: [1, 3, 16], indices shape: [1, 3, 16]

doc/fluid/api_cn/nn_cn/AvgPool1d_cn.rst

+.. _cn_api_nn_AvgPool1d:
+
+
+AvgPool1d
+-------------------------------
+
+.. py:function:: paddle.nn.AvgPool1d(kernel_size, stride=None, padding=0, count_include_pad=True, ceil_mode=False, name=None)
+
+该算子根据输入 `x` , `kernel_size` 等参数对一个输入Tensor计算1D的平均池化。输入和输出都是3-D Tensor，
+默认是以 `NCL` 格式表示的，其中 `N` 是 batch size, `C` 是通道数, `L` 是输入特征的长度。
+
+假设输入形状是(N, C, L)，输出形状是 (N, C, L_{out})，卷积核尺寸是k, 1d平均池化计算公式如下:
+
+..  math::
+
+    Output(N_i, C_i, l) = mean(Input[N_i, C_i, stride \times l:stride \times l+k])
+
+参数
+:::::::::
+    - **kernel_size** (int|list|tuple): 池化核的尺寸大小. 如果kernel_size为list或tuple类型, 其必须包含一个整数, 最终池化核的大小为该数值。
+    - **stride** (int|list|tuple): 池化操作步长. 如果stride为list或tuple类型, 其必须包含一个整数，最终池化操作的步长为该数值。
+    - **padding** (string|int|list|tuple): 池化补零的方式. 如果padding是一个字符串，则必须为 `SAME` 或者 `VALID` 。如果是turple或者list类型， 则应是 `[pad_left, pad_right]` 形式。如果padding是一个非0值，那么表示会在输入的两端都padding上同样长度的0。
+    - **count_include_pad** (bool): 是否用额外padding的值计算平均池化结果，默认为True。
+    - **ceil_mode** (bool): 是否用ceil函数计算输出的height和width，如果设置为False, 则使用floor函数来计算，默认为False。
+    - **name** (str，可选): 操作的名称(可选，默认值为None）。更多信息请参见 :ref:`api_guide_Name`。
+
+
+形状
+:::::::::
+    - **x** (Tensor): 默认形状为（批大小，通道数，长度），即NCL格式的3-D Tensor。 其数据类型为float32或float64.
+    - **output** (Tensor): 默认形状为（批大小，通道数，输出特征长度），即NCL格式的3-D Tensor。 其数据类型与输入x相同。
+
+返回
+:::::::::
+计算AvgPool1d的可调用对象
+
+
+抛出异常
+:::::::::
+    - ``ValueError`` - 如果 ``padding`` 是字符串但不是 "SAME" 和 "VALID" 。
+    - ``ValueError`` - 如果 ``padding`` 是 "VALID" 但 `ceil_mode` 被设置为True。
+    - ``ValueError`` - 如果 ``padding`` 是一个长度大于1的list或turple。
+    - ``ShapeError`` - 如果输入x不是一个3-D Tensor。
+    - ``ShapeError`` - 如果计算得到的输出形状小于等于0。
+
+代码示例
+:::::::::
+
+.. code-block:: python
+
+        import paddle
+        import paddle.nn as nn
+        import numpy as np
+        paddle.disable_static()
+
+        data = paddle.to_tensor(np.random.uniform(-1, 1, [1, 3, 32]).astype(np.float32))
+        AvgPool1d = nn.layer.AvgPool1d(kernel_size=2, stride=2, padding=0)
+        pool_out = AvgPool1d(data)
+        # pool_out shape: [1, 3, 16]

doc/fluid/api_cn/nn_cn/MaxPool1d_cn.rst

+.. _cn_api_nn_MaxPool1d:
+
+
+MaxPool1d
+-------------------------------
+
+.. py:function:: paddle.nn.MaxPool1d(kernel_size, stride=None, padding=0, return_indices=False, ceil_mode=False, name=None)
+
+该算子根据输入 `x` , `kernel_size` 等参数对一个输入Tensor计算1D的最大值池化。输入和输出都是3-D Tensor，
+默认是以 `NCL` 格式表示的，其中 `N` 是 batch size, `C` 是通道数, `L` 是输入特征的长度。
+
+假设输入形状是(N, C, L)，输出形状是 (N, C, L_{out})，卷积核尺寸是k, 1d最大值池化计算公式如下:
+
+..  math::
+
+    Output(N_i, C_i, l) =  max(Input[N_i, C_i, stride \times l:stride \times l+k])
+
+参数
+:::::::::
+    - **kernel_size** (int|list|tuple): 池化核的尺寸大小. 如果kernel_size为list或tuple类型, 其必须包含一个整数, 最终池化核的大小为该数值。
+    - **stride** (int|list|tuple): 池化操作步长. 如果stride为list或tuple类型, 其必须包含一个整数，最终池化操作的步长为该数值。
+    - **padding** (string|int|list|tuple): 池化补零的方式. 如果padding是一个字符串，则必须为 `SAME` 或者 `VALID` 。 如果是turple或者list类型， 则应是 `[pad_left, pad_right]` 形式。如果padding是一个非0值，那么表示会在输入的两端都padding上同样长度的0。
+    - **return_indices** (bool): 是否返回最大值的索引，默认为False。
+    - **ceil_mode** (bool): 是否用ceil函数计算输出的height和width，如果设置为False, 则使用floor函数来计算，默认为False。
+    - **name** (str，可选): 操作的名称(可选，默认值为None）。更多信息请参见 :ref:`api_guide_Name`。
+
+
+形状
+:::::::::
+    - **x** (Tensor): 默认形状为（批大小，通道数，长度），即NCL格式的3-D Tensor。 其数据类型为float32或float64.
+    - **output** (Tensor): 默认形状为（批大小，通道数，输出特征长度），即NCL格式的3-D Tensor。 其数据类型与输入x相同。
+
+返回
+:::::::::
+计算MaxPool1d的可调用对象
+
+抛出异常
+:::::::::
+    - ``ValueError`` - 如果 ``padding`` 是字符串但不是 "SAME" 和 "VALID" 。
+    - ``ValueError`` - 如果 ``padding`` 是 "VALID" 但 `ceil_mode` 被设置为True。
+    - ``ValueError`` - 如果 ``padding`` 是一个长度大于1的list或turple。
+    - ``ShapeError`` - 如果输入x不是一个3-D Tensor。
+    - ``ShapeError`` - 如果计算得到的输出形状小于等于0。
+
+代码示例
+:::::::::
+
+.. code-block:: python
+
+        import paddle
+        import paddle.nn as nn
+        import numpy as np
+        paddle.disable_static()
+        
+        data = paddle.to_variable(np.random.uniform(-1, 1, [1, 3, 32]).astype(np.float32))
+        MaxPool1d = nn.layer.MaxPool1d(kernel_size=2, stride=2, padding=0)
+        pool_out = MaxPool1d(data)
+        # pool_out shape: [1, 3, 16]
+        
+        MaxPool1d = nn.layer.MaxPool1d(kernel_size=2, stride=2, padding=0, return_indices=True)
+        pool_out, indices = MaxPool1d(data)
+        # pool_out shape: [1, 3, 16], indices shape: [1, 3, 16]

doc/fluid/api_cn/nn_cn/functional_cn.rst

@@ -24,5 +24,9 @@ functional
     functional_cn/adaptive_avg_pool2d_cn.rst
     functional_cn/adaptive_avg_pool3d_cn.rst
     functional_cn/sigmoid_cn.rst
+    functional_cn/adaptive_avg_pool1d_cn.rst
+    functional_cn/adaptive_max_pool1d_cn.rst
+    functional_cn/avg_pool1d_cn.rst
+    functional_cn/max_pool1d_cn.rst
     functional_cn/cross_entropy_loss_cn.rst
     functional_cn/bilinear_cn.rst

doc/fluid/api_cn/nn_cn/functional_cn/adaptive_avg_pool1d_cn.rst

+.. _cn_api_nn_functional_adaptive_avg_pool1d:
+
+
+adaptive_avg_pool1d
+-------------------------------
+
+.. py:function:: paddle.nn.functional.adaptive_avg_pool1d(x, output_size, name=None)
+
+该算子根据输入 `x` , `output_size` 等参数对一个输入Tensor计算1D的自适应平均池化。输入和输出都是3-D Tensor，
+默认是以 `NCL` 格式表示的，其中 `N` 是 batch size, `C` 是通道数, `L` 是输入特征的长度.
+
+.. note::
+   详细请参考对应的 `Class` 请参考: :ref:`cn_api_nn_AdaptiveAvgPool1d` 。
+
+
+参数
+:::::::::
+    - **x** (Tensor): 当前算子的输入, 其是一个形状为 `[N, C, L]` 的3-D Tensor。其中 `N` 是batch size, `C` 是通道数, `L` 是输入特征的长度。 其数据类型为float32或者float64。
+    - **output_size** (int|list|tuple): 算子输出特征图的长度，其数据类型为int或list, tuple。
+    - **name** (str，可选): 操作的名称(可选，默认值为None）。更多信息请参见 :ref:`api_guide_Name`。
+
+返回
+:::::::::
+``Tensor``, 输入 `x` 经过自适应池化计算得到的目标3-D Tensor，其数据类型与输入相同。
+
+抛出异常
+:::::::::
+    - ``ValueError`` - ``output_size`` 应是一个整数或长度为1的list，tuple
+
+代码示例
+:::::::::
+
+.. code-block:: python
+
+        # average adaptive pool1d
+        # suppose input data in shape of [N, C, L], `output_size` is m,
+        # output shape is [N, C, m], adaptive pool divide L dimension
+        # of input data into m grids averagely and performs poolings in each
+        # grid to get output.
+        # adaptive avg pool performs calculations as follow:
+        #
+        #     for i in range(m):
+        #         lstart = floor(i * L / m)
+        #         lend = ceil((i + 1) * L / m)
+        #         output[:, :, i] = sum(input[:, :, lstart: lend])/(lstart - lend)
+        #
+        import paddle
+        import paddle.nn.functional as F
+        import numpy as np
+        paddle.disable_static()
+
+        data = paddle.to_tensor(np.random.uniform(-1, 1, [1, 3, 32]).astype(np.float32))
+        pool_out = F.adaptive_avg_pool1d(data, output_size=16)
+        # pool_out shape: [1, 3, 16])

doc/fluid/api_cn/nn_cn/functional_cn/adaptive_max_pool1d_cn.rst

+.. _cn_api_nn_functional_adaptive_max_pool1d:
+
+
+adaptive_max_pool1d
+-------------------------------
+
+.. py:function:: paddle.nn.functional.adaptive_max_pool1d(x, output_size, return_indices=False, name=None)
+
+该算子根据输入 `x` , `output_size` 等参数对一个输入Tensor计算1D的自适应最大值池化。输入和输出都是3-D Tensor，
+默认是以 `NCL` 格式表示的，其中 `N` 是 batch size, `C` 是通道数, `L` 是输入特征的长度.
+
+.. note::
+   详细请参考对应的 `Class` 请参考: :ref:`cn_api_nn_AdaptiveMaxPool1d` 。
+
+
+参数
+:::::::::
+    - **x** (Tensor): 当前算子的输入, 其是一个形状为 `[N, C, L]` 的3-D Tensor。其中 `N` 是batch size, `C` 是通道数, `L` 是输入特征的长度。 其数据类型为float32或者float64。
+    - **output_size** (int|list|tuple): 算子输出特征图的长度，其数据类型为int或list，tuple。
+    - **return_indices** (bool): 如果设置为True，则会与输出一起返回最大值的索引，默认为False。
+    - **name** (str，可选): 操作的名称(可选，默认值为None）。更多信息请参见 :ref:`api_guide_Name`。
+
+返回
+:::::::::
+``Tensor``, 输入 `x` 经过自适应池化计算得到的目标3-D Tensor，其数据类型与输入相同。
+
+抛出异常
+:::::::::
+    - ``ValueError`` - 如果 ``output_size`` 不是int类型值。
+
+代码示例
+:::::::::
+
+.. code-block:: python
+
+        # max adaptive pool1d
+        # suppose input data in shape of [N, C, L], `output_size` is m,
+        # output shape is [N, C, m], adaptive pool divide L dimension
+        # of input data into m grids averagely and performs poolings in each
+        # grid to get output.
+        # adaptive max pool performs calculations as follow:
+        #
+        #     for i in range(m):
+        #         lstart = floor(i * L / m)
+        #         lend = ceil((i + 1) * L / m)
+        #         output[:, :, i] = max(input[:, :, lstart: lend])
+        #
+        import paddle
+        import paddle.nn.functional as F
+        import numpy as np
+        paddle.disable_static()
+
+        data = paddle.to_tensor(np.random.uniform(-1, 1, [1, 3, 32]).astype(np.float32))
+        pool_out = F.adaptive_max_pool1d(data, output_size=16)
+        # pool_out shape: [1, 3, 16])

doc/fluid/api_cn/nn_cn/functional_cn/avg_pool1d_cn.rst

+.. _cn_api_nn_functional_avg_pool1d:
+
+
+avg_pool1d
+-------------------------------
+
+.. py:function:: paddle.nn.functional.avg_pool1d(x, kernel_size, stride=None, padding=0, count_include_pad=True, ceil_mode=False, name=None)
+
+该算子根据输入 `x` , `kernel_size` 等参数对一个输入Tensor计算1D的平均池化。输入和输出都是3-D Tensor，
+默认是以 `NCL` 格式表示的，其中 `N` 是 batch size, `C` 是通道数, `L` 是输入特征的长度。
+
+.. note::
+   详细请参考对应的 `Class` 请参考: :ref:`cn_api_nn_AvgPool1d` 。
+
+
+参数
+:::::::::
+    - **x** (Tensor): 当前算子的输入, 其是一个形状为 `[N, C, L]` 的3-D Tensor。其中 `N` 是batch size, `C` 是通道数, `L` 是输入特征的长度。 其数据类型为float32或者float64。
+    - **kernel_size** (int|list|tuple): 池化核的尺寸大小. 如果kernel_size为list或tuple类型, 其必须包含一个整数.
+    - **stride** (int|list|tuple): 池化操作步长. 如果stride为list或tuple类型, 其必须包含一个整数.
+    - **padding** (string|int|list|tuple): 池化补零的方式. 如果padding是一个字符串，则必须为 `SAME` 或者 `VALID` 。 如果是turple或者list类型， 则应是 `[pad_left, pad_right]` 形式。如果padding是一个非0值，那么表示会在输入的两端都padding上同样长度的0。
+    - **count_include_pad** (bool): 是否用额外padding的值计算平均池化结果，默认为True。
+    - **ceil_mode** (bool): 是否用ceil函数计算输出的height和width，如果设置为False, 则使用floor函数来计算，默认为False。
+    - **name** (str，可选): 操作的名称(可选，默认值为None）。更多信息请参见 :ref:`api_guide_Name`。
+
+
+返回
+:::::::::
+``Tensor``, 输入 `x` 经过平均池化计算得到的目标3-D Tensor，其数据类型与输入相同。
+
+抛出异常
+:::::::::
+    - ``ValueError`` - 如果 ``padding`` 是字符串但不是 "SAME" 和 "VALID" 。
+    - ``ValueError`` - 如果 ``padding`` 是 "VALID" 但 `ceil_mode` 被设置为True。
+    - ``ValueError`` - 如果 ``padding`` 是一个长度大于1的list或turple。
+    - ``ShapeError`` - 如果输入x不是一个3-D Tensor。
+    - ``ShapeError`` - 如果计算得到的输出形状小于等于0。
+
+
+
+代码示例
+:::::::::
+
+.. code-block:: python
+
+        import paddle
+        import paddle.nn.functional as F
+        import numpy as np
+        paddle.disable_static()
+
+        data = paddle.to_tensor(np.random.uniform(-1, 1, [1, 3, 32]).astype(np.float32))
+        pool_out = F.avg_pool1d(data, kernel_size=2, stride=2, padding=0)
+        # pool_out shape: [1, 3, 16]

doc/fluid/api_cn/nn_cn/functional_cn/max_pool1d_cn.rst

+.. _cn_api_nn_functional_max_pool1d:
+
+
+max_pool1d
+-------------------------------
+
+.. py:function:: paddle.nn.functional.max_pool1d(x, kernel_size, stride=None, padding=0, return_indices=False, ceil_mode=False, name=None)
+
+该算子根据输入 `x` , `kernel_size` 等参数对一个输入Tensor计算1D的最大值池化。输入和输出都是3-D Tensor，
+默认是以 `NCL` 格式表示的，其中 `N` 是 batch size, `C` 是通道数, `L` 是输入特征的长度。
+
+.. note::
+   详细请参考对应的 `Class` 请参考: :ref:`cn_api_nn_MaxPool1d` 。
+
+
+参数
+:::::::::
+    - **x** (Tensor): 当前算子的输入, 其是一个形状为 `[N, C, L]` 的3-D Tensor。其中 `N` 是batch size, `C` 是通道数, `L` 是输入特征的长度。 其数据类型为float32或者float64。
+    - **kernel_size** (int|list|tuple): 池化核的尺寸大小. 如果kernel_size为list或tuple类型, 其必须包含一个整数.
+    - **stride** (int|list|tuple): 池化操作步长. 如果stride为list或tuple类型, 其必须包含一个整数.
+    - **padding** (string|int|list|tuple): 池化补零的方式. 如果padding是一个字符串，则必须为 `SAME` 或者 `VALID` 。如果是turple或者list类型， 则应是 `[pad_left, pad_right]` 形式。如果padding是一个非0值，那么表示会在输入的两端都padding上同样长度的0。
+    - **return_indices** (bool): 是否返回最大值的索引，默认为False。
+    - **ceil_mode** (bool): 是否用ceil函数计算输出的height和width，如果设置为False, 则使用floor函数来计算，默认为False。
+    - **name** (str，可选): 操作的名称(可选，默认值为None）。更多信息请参见 :ref:`api_guide_Name`。
+
+
+返回
+:::::::::
+``Tensor``, 输入 `x` 经过最大值池化计算得到的目标3-D Tensor，其数据类型与输入相同。
+
+
+抛出异常
+:::::::::
+    - ``ValueError`` - 如果 ``padding`` 是字符串但不是 "SAME" 和 "VALID" 。
+    - ``ValueError`` - 如果 ``padding`` 是 "VALID" 但 `ceil_mode` 被设置为True。
+    - ``ValueError`` - 如果 ``padding`` 是一个长度大于1的list或turple。
+    - ``ShapeError`` - 如果输入x不是一个3-D Tensor。
+    - ``ShapeError`` - 如果计算得到的输出形状小于等于0。
+
+
+代码示例
+:::::::::
+
+.. code-block:: python
+
+        import paddle
+        import paddle.nn.functional as F
+        import numpy as np
+        paddle.disable_static()
+
+        data = paddle.to_tensor(np.random.uniform(-1, 1, [1, 3, 32]).astype(np.float32))
+        pool_out = F.max_pool1d(data, kernel_size=2, stride=2, padding=0)
+        # pool_out shape: [1, 3, 16]
+
+        pool_out, indices = F.max_pool1d(data, kernel_size=2, stride=2, padding=0, return_indices=True)
+        # pool_out shape: [1, 3, 16],  indices shape: [1, 3, 16]