tlx 没有与paddle.nn.functional模块对应的max_pool2d，avg_pool2d，conv2d_transpose，max_unpool2d，normalize算子

[zhxiucui]

（1）paddle.nn.functional.max_pool2d()函数用来构建 max_pool2d 类的一个可调用对象，其将构建一个二维平均池化层，根据输入参数 kernel_size, stride, padding 等参数对输入做最大池化操作。

更多函数说明见https://www.paddlepaddle.org.cn/documentation/docs/zh/api/paddle/nn/functional/max_pool2d_cn.html

（2）paddle.nn.functional.avg_pool2d()函数是一个二维平均池化函数，其将构建一个二维平均池化层，根据输入参数 kernel_size, stride, padding 等参数对输入做平均池化操作。

更多函数说明见https://www.paddlepaddle.org.cn/documentation/docs/zh/api/paddle/nn/functional/avg_pool2d_cn.html

（3）paddle.nn.functional.conv2d_transpose()函数是二维转置卷积层（Convlution2D transpose layer），该层根据输入（input）、卷积核（kernel）和空洞大小（dilations）、步长（stride）、填充（padding）来计算输出特征层大小或者通过 output_size 指定输出特征层大小。输入(Input)和输出(Output)为 NCHW 或 NHWC 格式，其中 N 为批尺寸，C 为通道数（channel），H 为特征层高度，W 为特征层宽度。卷积核是 MCHW 格式，M 是输出图像通道数，C 是输入图像通道数，H 是卷积核高度，W 是卷积核宽度。如果组数大于 1，C 等于输入图像通道数除以组数的结果。转置卷积的计算过程相当于卷积的反向计算。转置卷积又被称为反卷积（但其实并不是真正的反卷积）。欲了解转置卷积层细节，请参考下面的说明和 参考文献_。如果参数 bias_attr 不为 False，转置卷积计算会添加偏置项。如果 act 不为 None，则转置卷积计算之后添加相应的激活函数。
更多函数说明见https://www.paddlepaddle.org.cn/documentation/docs/zh/api/paddle/nn/functional/conv2d_transpose_cn.html

（4）paddle.nn.functional.max_unpool2d(x, indices, kernel_size, stride=None, padding=0, data_format='NCHW', output_size=None, name=None)实现了 2D 最大反池化 操作

更多函数说明见https://www.paddlepaddle.org.cn/documentaon/docs/zh/api/paddle/nn/functional/max_unpool2d_cn.html

（5）paddle.nn.functional.normalize(x, p=2, axis=1, epsilon=1e-12, name=None)

[hanjr92]

max_pool2d，avg_pool2d，conv2d_transpose 算子已经添加到 ops中