averagePooling1dLayer

1 次元平均プーリング層

R2021b 以降

説明

1 次元平均プーリング層は、入力を 1 次元のプーリング領域に分割し、各領域の平均値を計算することによって、ダウンサンプリングを実行します。

層がプーリングを行う次元は、層の入力によって次のように異なります。

• 時系列とベクトル シーケンスの入力 ("C" (channel) 次元、"B" (batch) 次元、および "T" (time) 次元に対応する 3 つの次元をもつデータ) の場合、層は "T" (time) 次元でプーリングします。

• 1 次元イメージ入力 ("S" (spatial) 次元、"C" (channel) 次元、および "B" (batch) 次元に対応する 3 つの次元をもつデータ) の場合、層は "S" (spatial) 次元でプーリングします。

• 1 次元イメージ シーケンス入力 ("S" (spatial) 次元、"C" (channel) 次元、"B" (batch) 次元、および "T" (time) 次元に対応する 4 つの次元をもつデータ) の場合、層は "S" (spatial) 次元でプーリングします。

作成

構文

layer = averagePooling1dLayer(poolSize)

layer = averagePooling1dLayer(poolSize,Name=Value)

説明

layer = averagePooling1dLayer(poolSize) は、1 次元平均プーリング層を作成し、PoolSize プロパティを設定します。

layer = averagePooling1dLayer(poolSize,Name=Value) は、さらに、オプションである 1 つ以上の名前と値の引数を使用して、パディングを指定するか、Stride プロパティと Name プロパティの設定を行います。たとえば、averagePooling1dLayer(3,Padding=1,Stride=2) は、プール サイズが 3、ストライドが 2 で、入力の左右にサイズ 1 のパディングをもつ 1 次元平均プーリング層を作成します。

名前と値の引数

オプションの引数のペアを Name1=Value1,...,NameN=ValueN として指定します。ここで、Name は引数名で、Value は対応する値です。名前と値の引数は他の引数の後に指定しなければなりませんが、ペアの順序は重要ではありません。

例: averagePooling1dLayer(3,Padding=1) は、プール サイズが 3 で、層の入力の左右にサイズ 1 のパディングをもつ 1 次元平均プーリング層を作成します。

Padding — 入力に適用するパディング

[0 0] (既定値) | "same" | 非負の整数 | 非負の整数のベクトル

入力に適用するパディング。次のいずれかとして指定します。

• "same" — 出力のサイズが ceil(inputSize/stride) となるようにパディングを適用します。ここで、inputSize は入力の長さです。Stride が 1 の場合、出力のサイズは入力と同じになります。

• 非負の整数 sz — サイズ sz のパディングを入力の両側に追加します。

• 非負の整数のベクトル [l r] — サイズが l のパディングを入力の左に追加し、サイズが r のパディングを入力の右に追加します。

例: Padding=[2 1] は、サイズが 2 のパディングを左に追加し、サイズが 1 のパディングを右に追加します。

データ型: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64 | char | string

プロパティ

平均プーリング

PoolSize — プーリング領域の幅

正の整数

プーリング領域の幅。正の整数として指定します。

プーリング領域の幅 PoolSize は、パディングの次元 PaddingSize 以上でなければなりません。

データ型: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64

Stride — 入力を走査するステップ サイズ

1 (既定値) | 正の整数

入力を走査するステップ サイズ。正の整数として指定します。

データ型: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64

PaddingSize — パディングのサイズ

[0 0] (既定値) | 2 つの非負の整数のベクトル

入力の各側面に適用するパディングのサイズ。2 つの非負の整数のベクトル [l r] として指定します。l は左に適用されるパディング、r は右に適用されるパディングです。

層の作成時に、名前と値の引数 Padding を使用してパディングのサイズを指定します。

データ型: double

PaddingMode — パディングのサイズを決定するメソッド

読み取り専用: 'manual' (既定値) | 'same'

この プロパティ は読み取り専用です。

パディングのサイズを決定する方法。次のいずれかとして指定します。

• 'manual' – Padding で指定された整数またはベクトルを使用してパディングします。

• 'same' – 出力のサイズが ceil(inputSize/Stride) となるようにパディングを適用します。ここで、inputSize は入力の長さです。Stride が 1 の場合、出力は入力と同じになります。

層のパディングを指定するには、名前と値の引数 Padding を使用します。

データ型: char

PaddingValue — 入力のパディングに使用する値

0 (既定値) | "mean"

入力のパディングに使用する値。0 または "mean" として指定します。

Padding オプションを使用して入力にパディングを追加する場合、適用されるパディングの値は次のいずれかになります。

• 0 — 入力は Padding プロパティで指定した位置にゼロでパディングされます。パディングされた領域は、外周のプーリング領域の平均値の計算に含められます。

• "mean" — 入力は、Padding オプションで指定した位置にプーリング領域の平均でパディングされます。パディングされた領域は、各プーリング領域の平均値の計算対象から事実上除外されます。

層

Name — 層の名前

'' (既定値) | 文字ベクトル | string スカラー

層の名前。文字ベクトルまたは string スカラーとして指定します。Layer 配列入力の場合、trainnet 関数および dlnetwork 関数は、名前のない層に自動的に名前を割り当てます。

AveragePooling1DLayer オブジェクトは、このプロパティを文字ベクトルとして格納します。

データ型: char | string

NumInputs — 入力の数

読み取り専用: 1 (既定値)

この プロパティ は読み取り専用です。

層への入力の数。1 として格納されます。この層は単一の入力のみを受け入れます。

データ型: double

InputNames — 入力名

読み取り専用: {'in'} (既定値)

この プロパティ は読み取り専用です。

入力名。{'in'} として格納されます。この層は単一の入力のみを受け入れます。

データ型: cell

NumOutputs — 出力の数

読み取り専用: 1 (既定値)

この プロパティ は読み取り専用です。

層からの出力の数。1 として格納されます。この層には単一の出力のみがあります。

データ型: double

OutputNames — 出力名

読み取り専用: {'out'} (既定値)

この プロパティ は読み取り専用です。

出力名。{'out'} として格納されます。この層には単一の出力のみがあります。

データ型: cell

例

1 次元平均プーリング層の作成

プール サイズが 3 の 1 次元平均プーリング層を作成します。

layer = averagePooling1dLayer(3)

layer = 
  AveragePooling1DLayer with properties:

            Name: ''

   Hyperparameters
        PoolSize: 3
          Stride: 1
     PaddingMode: 'manual'
     PaddingSize: [0 0]
    PaddingValue: 0

層配列に 1 次元平均プーリング層層を含めます。

layers = [
    sequenceInputLayer(12,MinLength=40)
    convolution1dLayer(11,96)
    reluLayer
    averagePooling1dLayer(3)
    convolution1dLayer(11,96)
    reluLayer
    globalMaxPooling1dLayer
    fullyConnectedLayer(10)
    softmaxLayer]

layers = 
  9×1 Layer array with layers:

     1   ''   Sequence Input           Sequence input with 12 dimensions
     2   ''   1-D Convolution          96 11 convolutions with stride 1 and padding [0  0]
     3   ''   ReLU                     ReLU
     4   ''   1-D Average Pooling      average pooling with pool size 3, stride 1, and padding [0  0]
     5   ''   1-D Convolution          96 11 convolutions with stride 1 and padding [0  0]
     6   ''   ReLU                     ReLU
     7   ''   1-D Global Max Pooling   1-D global max pooling
     8   ''   Fully Connected          10 fully connected layer
     9   ''   Softmax                  softmax

アルゴリズム

1 次元平均プーリング層

1 次元平均プーリング層は、入力を 1 次元のプーリング領域に分割し、各領域の平均値を計算することによって、ダウンサンプリングを実行します。この層は、1 つの次元に沿ってプーリング領域を動かして入力をプーリングします。

層配列内または層グラフ内の層は、形式を整えた dlarray オブジェクトとして後続の層にデータを渡します。dlarray オブジェクトの形式は文字列で、各文字はデータ内の対応する次元を表します。この形式には次の文字が 1 つ以上含まれています。

• "S" — 空間

• "C" — チャネル

• "B" — バッチ

• "T" — 時間

• "U" — 指定なし

たとえば、ベクトル シーケンス データを、最初の次元がチャネル次元に対応し、2 番目の次元がバッチ次元に対応し、3 番目の次元が時間次元に対応する 3 次元の配列として表すことができます。この表現は、"CBT" (channel、batch、time) の形式になります。

層がプーリングを行う次元は、層の入力によって次のように異なります。

• 時系列とベクトル シーケンスの入力 ("C" (channel) 次元、"B" (batch) 次元、および "T" (time) 次元に対応する 3 つの次元をもつデータ) の場合、層は "T" (time) 次元でプーリングします。

• 1 次元イメージ入力 ("S" (spatial) 次元、"C" (channel) 次元、および "B" (batch) 次元に対応する 3 つの次元をもつデータ) の場合、層は "S" (spatial) 次元でプーリングします。

• 1 次元イメージ シーケンス入力 ("S" (spatial) 次元、"C" (channel) 次元、"B" (batch) 次元、および "T" (time) 次元に対応する 4 つの次元をもつデータ) の場合、層は "S" (spatial) 次元でプーリングします。

層の入力形式と出力形式

層配列内または層グラフ内の層は、形式を整えた dlarray オブジェクトとして後続の層にデータを渡します。dlarray オブジェクトの形式は文字列で、各文字はデータ内の対応する次元を表します。この形式には次の文字が 1 つ以上含まれています。

• "S" — 空間

• "C" — チャネル

• "B" — バッチ

• "T" — 時間

• "U" — 指定なし

たとえば、ベクトル シーケンス データを、最初の次元がチャネル次元に対応し、2 番目の次元がバッチ次元に対応し、3 番目の次元が時間次元に対応する 3 次元の配列として表すことができます。この表現は、"CBT" (channel、batch、time) の形式になります。

functionLayer オブジェクトを使用するか、関数 forward と関数 predict を dlnetwork オブジェクトと共に使用して、カスタム層の開発などの自動微分ワークフローで、これらの dlarray オブジェクトを操作できます。

次の表は、AveragePooling1DLayer オブジェクトでサポートされている入力形式、および対応する出力形式を示しています。ソフトウェアが nnet.layer.Formattable クラスを継承していないカスタム層、または Formattable プロパティが 0 (false) に設定された FunctionLayer オブジェクトに層の出力を渡す場合、その層は形式を整えていない dlarray オブジェクトを受け取り、この表に示された形式に従って次元が並べられます。ここには一部の形式のみを示します。層では、追加の "S" (空間) 次元または "U" (未指定) 次元をもつ形式など、追加の形式がサポートされている場合があります。

入力形式	出力形式
"SCB" (spatial、channel、batch)	"SCB" (spatial、channel、batch)
"CBT" (channel、batch、time)	"CBT" (channel、batch、time)
"SCBT" (spatial、channel、batch、time)	"SCBT" (spatial、channel、batch、time)

dlnetwork オブジェクトでは、AveragePooling1DLayer オブジェクトもこれらの入力形式と出力形式の組み合わせをサポートします。

入力形式	出力形式
"SC" (spatial、channel)	"SC" (spatial、channel)
"CT" (channel、time)	"CT" (channel、time)
"SCT" (spatial、channel、time)	"SCT" (spatial、channel、time)

拡張機能

C/C++ コード生成

MATLAB® Coder™ を使用して C および C++ コードを生成します。

使用上の注意および制限:

• サードパーティのライブラリに依存しない汎用 C/C++ コードを生成し、生成されたコードをハードウェア プラットフォームに展開できます。

GPU コード生成

GPU Coder™ を使用して NVIDIA® GPU のための CUDA® コードを生成します。

使用上の注意および制限:

• 深層学習ライブラリに依存しない CUDA コードを生成し、生成されたコードを NVIDIA^® GPU プロセッサを使用するプラットフォームに展開できます。

バージョン履歴

R2021b で導入

参考

trainnet | trainingOptions | dlnetwork | sequenceInputLayer | lstmLayer | bilstmLayer | gruLayer | convolution1dLayer | maxPooling1dLayer | globalMaxPooling1dLayer | globalAveragePooling1dLayer | exportNetworkToSimulink | Average Pooling 1D Layer

トピック

• 1 次元畳み込みを使用したシーケンス分類
• 1 次元畳み込みを使用した sequence-to-sequence 分類
• 深層学習を使用したシーケンスの分類
• 深層学習を使用した sequence-to-sequence 分類
• 深層学習を使用した sequence-to-sequence 回帰
• 深層学習を使用した時系列予測
• 長短期記憶ニューラル ネットワーク
• 深層学習層の一覧
• 深層学習のヒントとコツ