chainer.functions.maxout(x, pool_size, axis=1)[source]

マックスアウト活性化関数。

 

入力テンソル xを受け入れ、 axis で設定した次元にreshapeし、 (はじめは M * pool_sizeサイズとすると）、２次元の (M, pool_size)になり、 axis 次元に添って最大値をとる。.

 

Parameters:
  • x (Variable or numpy.ndarray or cupy.ndarray) –入力値。 A-n 次元float配列 (n≥
     axis)  。一般的に、最初の次元はがミニバッチの次元数となるとされる。他の次元は、結合された次元のものとして扱われる。
  • pool_size (int) – プーリングそうのダウンサンプリングで用いられるサイズ。
  • axis (int) – axis 。この次元数に再配置される。axis の次元のサイズはM * pool_sizeでなければならない。
Returns:

出力値。出力の形は axis の次元がM * pool_size から Mへ変換されることを除いて x と同様。

Return type:

Variable

See also

Maxout

 

Example

 

一般的に、x は線形層もしくは畳み込み層の出力です。下記は、我々が線形リンクと組み合わせてmaxout() を使用する際の例です。

  


>>> in_size, out_size, pool_size = 10, 10, 10

>>> bias = np.arange(out_size * pool_size).astype('f')

>>> l = L.Linear(in_size, out_size * pool_size, initial_bias=bias)

>>> x = np.zeros((1, in_size), 'f')  # prepare data

>>> x = l(x)

>>> y = F.maxout(x, pool_size)

>>> x.shape
(1, 100)

>>> y.shape
(1, 10)

>>> x.reshape((out_size, pool_size)).data

array([[  0.,   1.,   2.,   3.,   4.,   5.,   6.,   7.,   8.,   9.],

       [ 10.,  11.,  12.,  13.,  14.,  15.,  16.,  17.,  18.,  19.],

       [ 20.,  21.,  22.,  23.,  24.,  25.,  26.,  27.,  28.,  29.],

       [ 30.,  31.,  32.,  33.,  34.,  35.,  36.,  37.,  38.,  39.],

       [ 40.,  41.,  42.,  43.,  44.,  45.,  46.,  47.,  48.,  49.],

       [ 50.,  51.,  52.,  53.,  54.,  55.,  56.,  57.,  58.,  59.],

       [ 60.,  61.,  62.,  63.,  64.,  65.,  66.,  67.,  68.,  69.],

       [ 70.,  71.,  72.,  73.,  74.,  75.,  76.,  77.,  78.,  79.],

       [ 80.,  81.,  82.,  83.,  84.,  85.,  86.,  87.,  88.,  89.],

       [ 90.,  91.,  92.,  93.,  94.,  95.,  96.,  97.,  98.,  99.]], dtype=float32)

>>> y.data

array([[  9.,  19.,  29.,  39.,  49.,  59.,  69.,  79.,  89.,  99.]], dtype=float32)