このページの内容は最新ではありません。最新版の英語を参照するには、ここをクリックします。

averagePooling2dLayer

平均プーリング層

説明

2 次元平均プーリング層は、入力を矩形のプーリング領域に分割し、各領域の平均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。

作成

構文

layer = averagePooling2dLayer(poolSize)

layer = averagePooling2dLayer(poolSize,Name=Value)

説明

layer = averagePooling2dLayer(poolSize) は、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 = averagePooling2dLayer(poolSize,Name=Value) は、1 つ以上の名前と値の引数を使用して、オプションのプロパティを設定します。

入力引数

poolSize — プーリング領域の次元

2 つの正の整数のベクトル | 正の整数

プーリング領域の次元。2 つの正の整数のベクトル [h w] として指定します。h は高さ、w は幅です。層を作成する場合、poolSize をスカラーとして指定して、両方の次元に同じ値を使用できます。

ストライドの次元 Stride がそれぞれのプーリングの次元より小さい場合、プーリング領域が重なります。

パディングの次元 PaddingSize は、プーリング領域の次元 poolSize より小さくなければなりません。

例: [2 1] は、高さが 2、幅が 1 のプーリング領域を指定します。

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: averagePooling2dLayer(2,Stride=2) は、プール サイズが [2 2]、ストライドが [2 2] の平均プーリング層を作成します。

Stride — 入力を走査するステップ サイズ

[1 1] (既定値) | 2 つの正の整数のベクトル | 正の整数

入力を垂直方向および水平方向に走査するステップ サイズ。2 つの正の整数のベクトル [a b] として指定します。a は垂直方向のステップ サイズ、b は水平方向のステップ サイズです。層を作成する場合、Stride をスカラーとして指定して、両方の次元に同じ値を使用できます。

ストライドの次元 Stride がそれぞれのプーリングの次元より小さい場合、プーリング領域が重なります。

パディングの次元 PaddingSize は、プーリング領域の次元 PoolSize より小さくなければなりません。

例: [2 3] は、垂直方向のステップ サイズとして 2、水平方向のステップ サイズとして 3 を指定します。

Padding — 入力の端のパディング

[0 0 0 0] (既定値) | 非負の整数のベクトル | "same"

入力の端のパディング。次のいずれかの値として指定します。

• "same" — ストライドが 1 である場合、出力サイズが入力サイズと同じになるように、学習時または予測時にサイズが計算されたパディングを追加します。ストライドが 1 より大きい場合、出力サイズは ceil(inputSize/stride) になります。ここで、inputSize は入力の高さまたは幅、stride は対応する次元のストライドです。可能な場合、上下および左右に同じ量のパディングが追加されます。垂直方向に追加しなければならないパディングの値が奇数の場合、余ったパディングは下に追加されます。水平方向に追加しなければならないパディングの値が奇数の場合、余ったパディングは右に追加されます。

• 非負の整数 p — サイズ p のパディングを入力のすべての端に追加します。

• 非負の整数のベクトル [a b] — サイズ a のパディングを入力の上下に追加し、サイズ b のパディングを左右に追加します。

• 非負の整数のベクトル [t b l r] — サイズが t、b、l、r のパディングを、それぞれ入力の上、下、左、右に追加します。

例: Padding=1 は、入力の上下に 1 行のパディングを追加し、入力の左右に 1 列のパディングを追加します。

例: Padding="same" は、(ストライドが 1 の場合) 出力サイズが入力サイズと同じになるようにパディングを追加します。

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。

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、関数 trainnet および関数 dlnetwork は、名前が "" の層に自動的に名前を割り当てます。

この引数は Name プロパティを設定します。

データ型: char | string

プロパティ

平均プーリング

PoolSize — プーリング領域の次元

2 つの正の整数のベクトル

プーリング領域の次元。2 つの正の整数のベクトル [h w] として指定します。h は高さ、w は幅です。層を作成する場合、PoolSize をスカラーとして指定して、両方の次元に同じ値を使用できます。

ストライドの次元 Stride がそれぞれのプーリングの次元より小さい場合、プーリング領域が重なります。

パディングの次元 PaddingSize は、プーリング領域の次元 PoolSize より小さくなければなりません。

例: [2 1] は、高さが 2、幅が 1 のプーリング領域を指定します。

Stride — 入力を走査するステップ サイズ

[1 1] (既定値) | 2 つの正の整数のベクトル

入力を垂直方向および水平方向に走査するステップ サイズ。2 つの正の整数のベクトル [a b] として指定します。a は垂直方向のステップ サイズ、b は水平方向のステップ サイズです。層を作成する場合、Stride をスカラーとして指定して、両方の次元に同じ値を使用できます。

ストライドの次元 Stride がそれぞれのプーリングの次元より小さい場合、プーリング領域が重なります。

パディングの次元 PaddingSize は、プーリング領域の次元 PoolSize より小さくなければなりません。

例: [2 3] は、垂直方向のステップ サイズとして 2、水平方向のステップ サイズとして 3 を指定します。

PaddingSize — パディングのサイズ

[0 0 0 0] (既定値) | 4 つの非負の整数のベクトル

入力の境界に適用するパディングのサイズ。4 つの非負の整数のベクトル [t b l r] として指定します。t は上に適用されるパディング、b は下に適用されるパディング、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、名前と値のペアの引数 'Padding' を使用してパディングのサイズを指定します。

例: [1 1 2 2] は、入力の上下に 1 行のパディングを追加し、入力の左右に 2 列のパディングを追加します。

PaddingMode — パディングのサイズを決定するメソッド

"manual" (既定値) | "same"

パディングのサイズを決定するメソッド。"manual" または "same" として指定します。

PaddingMode の値は、層の作成時に指定した Padding 値に基づいて自動的に設定されます。

• Padding オプションをスカラーまたは非負の整数のベクトルに設定した場合、PaddingMode は "manual" に自動的に設定されます。

• Padding オプションを "same" に設定した場合、PaddingMode が 'same' に自動的に設定されます。ストライドが 1 である場合、出力サイズが入力サイズと同じになるように、学習時にパディングのサイズが計算されます。ストライドが 1 より大きい場合、出力サイズは ceil(inputSize/stride) になります。ここで、inputSize は入力の高さまたは幅、stride は対応する次元のストライドです。可能な場合、上下および左右に同じ量のパディングが追加されます。垂直方向に追加しなければならないパディングの値が奇数の場合、余ったパディングは下に追加されます。水平方向に追加しなければならないパディングの値が奇数の場合、余ったパディングは右に追加されます。

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。

Padding — 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

メモ

Padding プロパティは将来のリリースで削除される予定です。代わりに PaddingSize を使用してください。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。

入力の境界に垂直方向および水平方向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 [a b] として指定します。a は入力データの上下に適用されるパディング、b は左右に適用されるパディングです。

例: [1 1] は、入力の上下に 1 行のパディングを追加し、入力の左右に 1 列のパディングを追加します。

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。

AveragePooling2DLayer 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

平均プーリング層の作成

avg1 という名前の平均プーリング層を作成します。

layer = averagePooling2dLayer(2,Name="avg1")

layer = 
  AveragePooling2DLayer with properties:

            Name: 'avg1'

   Hyperparameters
        PoolSize: [2 2]
          Stride: [1 1]
     PaddingMode: 'manual'
     PaddingSize: [0 0 0 0]
    PaddingValue: 0

Layer 配列に平均プーリング層を含めます。

layers = [ ...
    imageInputLayer([28 28 1])
    convolution2dLayer(5,20)
    reluLayer
    averagePooling2dLayer(2)
    fullyConnectedLayer(10)
    softmaxLayer]

layers = 
  6×1 Layer array with layers:

     1   ''   Image Input           28×28×1 images with 'zerocenter' normalization
     2   ''   2-D Convolution       20 5×5 convolutions with stride [1  1] and padding [0  0  0  0]
     3   ''   ReLU                  ReLU
     4   ''   2-D Average Pooling   2×2 average pooling with stride [1  1] and padding [0  0  0  0]
     5   ''   Fully Connected       10 fully connected layer
     6   ''   Softmax               softmax

プーリング領域が重なっていない平均プーリング層の作成

プーリング領域が重なっていない平均プーリング層を作成します。

layer = averagePooling2dLayer(2,'Stride',2)

layer = 
  AveragePooling2DLayer with properties:

            Name: ''

   Hyperparameters
        PoolSize: [2 2]
          Stride: [2 2]
     PaddingMode: 'manual'
     PaddingSize: [0 0 0 0]
    PaddingValue: 0

矩形領域の高さと幅 (プール サイズ) はどちらも 2 です。イメージを垂直方向および水平方向に走査するステップ サイズ (ストライド) も 2 であるため、プーリング領域は重なりません。

Layer 配列に領域が重なっていない平均プーリング層を含めます。

layers = [ ...
    imageInputLayer([28 28 1])
    convolution2dLayer(5,20)
    reluLayer
    averagePooling2dLayer(2,'Stride',2)
    fullyConnectedLayer(10)
    softmaxLayer]

layers = 
  6×1 Layer array with layers:

     1   ''   Image Input           28×28×1 images with 'zerocenter' normalization
     2   ''   2-D Convolution       20 5×5 convolutions with stride [1  1] and padding [0  0  0  0]
     3   ''   ReLU                  ReLU
     4   ''   2-D Average Pooling   2×2 average pooling with stride [2  2] and padding [0  0  0  0]
     5   ''   Fully Connected       10 fully connected layer
     6   ''   Softmax               softmax

プーリング領域が重なっている平均プーリング層の作成

プーリング領域が重なっている平均プーリング層を作成します。

layer = averagePooling2dLayer([3 2],'Stride',2)

layer = 
  AveragePooling2DLayer with properties:

            Name: ''

   Hyperparameters
        PoolSize: [3 2]
          Stride: [2 2]
     PaddingMode: 'manual'
     PaddingSize: [0 0 0 0]
    PaddingValue: 0

この層は、サイズ [3 2] のプーリング領域を作成し、各領域の 6 つの要素の平均を取ります。Stride に含まれる次元がそれぞれのプーリングの次元 PoolSize より小さいため、プーリング領域が重なります。

Layer 配列に領域が重なっている平均プーリング層を含めます。

layers = [ ...
    imageInputLayer([28 28 1])
    convolution2dLayer(5,20)
    reluLayer
    averagePooling2dLayer([3 2],'Stride',2)
    fullyConnectedLayer(10)
    softmaxLayer]

layers = 
  6×1 Layer array with layers:

     1   ''   Image Input           28×28×1 images with 'zerocenter' normalization
     2   ''   2-D Convolution       20 5×5 convolutions with stride [1  1] and padding [0  0  0  0]
     3   ''   ReLU                  ReLU
     4   ''   2-D Average Pooling   3×2 average pooling with stride [2  2] and padding [0  0  0  0]
     5   ''   Fully Connected       10 fully connected layer
     6   ''   Softmax               softmax

アルゴリズム

2 次元平均プーリング層

2 次元平均プーリング層は、入力を矩形のプーリング領域に分割し、各領域の平均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。

• 2 次元イメージ入力 (2 つの空間次元内のピクセル、ならびにチャネルと観測値に対応する 4 次元のデータ) の場合、層は空間次元でプーリングします。

• 2 次元イメージ シーケンス入力 (2 つの空間次元内のピクセル、ならびにチャネルと観測値とタイム ステップに対応する 5 次元のデータ) の場合、層は 2 つの空間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 (1 つの空間次元内のピクセル、ならびにチャネルと観測値とタイム ステップに対応する 4 次元のデータ) の場合、層は空間次元と時間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、4 次元配列として表された 2 次元イメージ データがあり、最初の 2 つの次元がイメージの空間次元に対応し、3 番目の次元がイメージのチャネルに対応し、4 番目の次元がバッチ次元に対応している場合、このイメージ データは "SSCB" (空間、空間、チャネル、バッチ) という形式で記述できます。

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、AveragePooling2DLayer 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
"SSCB" (spatial、spatial、channel、batch)	"SSCB" (spatial、spatial、channel、batch)
"SCBT" (spatial、channel、batch、time)	"SCBT" (spatial、channel、batch、time)
"SSCBT" (spatial、spatial、channel、batch、time)	"SSCBT" (spatial、spatial、channel、batch、time)
"SSB" (spatial、spatial、batch)	"SSB" (spatial、spatial、batch)
"SSC" (spatial、spatial、channel)	"SSC" (spatial、spatial、channel)
"SCT" (spatial、channel、time)	"SCT" (spatial、channel、time)
"SSCT" (spatial、spatial、channel、time)	"SSCT" (spatial、spatial、channel、time)
"SBT" (spatial、batch、time)	"SBT" (spatial、batch、time)
"SSBT" (spatial、spatial、batch、time)	"SSBT" (spatial、spatial、batch、time)

参照

[1] Nagi, J., F. Ducatelle, G. A. Di Caro, D. Ciresan, U. Meier, A. Giusti, F. Nagi, J. Schmidhuber, L. M. Gambardella. ''Max-Pooling Convolutional Neural Networks for Vision-based Hand Gesture Recognition''. IEEE International Conference on Signal and Image Processing Applications (ICSIPA2011), 2011.

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:

• PaddingValue プロパティの "mean" の設定を使用することで、C/C++ コードを生成できます。

• MATLAB Function ブロックを使用して深層学習機能を実装する Simulink^® モデルでは、非ゼロのパディング値をもつ平均プーリング層がネットワークに含まれている場合、シミュレーションでエラーが発生します。このような場合、MATLAB Function の代わりに Deep Neural Networks ライブラリのブロックを使用して、深層学習機能を実装します。

• コード生成では、指定なし (U) の次元をもつ dlarray オブジェクトをこの層に渡すことはサポートされていません。

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:

• パディング サイズが対称である場合、PaddingValue プロパティの "mean" の設定を使用することで、NVIDIA^® の cuDNN ライブラリおよび TensorRT ライブラリを使用してコードを生成できます。たとえば、PaddingSize プロパティをベクトル [2 2 3 3] として指定し、入力の上下に 2 行のパディングを追加し、入力の左右に 3 列のパディングを追加します。

• MATLAB Function ブロックを使用して深層学習機能を実装する Simulink モデルでは、非ゼロのパディング値をもつ平均プーリング層がネットワークに含まれている場合、シミュレーションでエラーが発生します。このような場合、MATLAB Function の代わりに Deep Neural Networks ライブラリのブロックを使用して、深層学習機能を実装します。

• コード生成では、指定なし (U) の次元をもつ dlarray オブジェクトをこの層に渡すことはサポートされていません。

バージョン履歴

R2016a で導入

参考

adaptiveAveragePooling2dLayer | convolution2dLayer | globalAveragePooling2dLayer | maxPooling2dLayer | exportNetworkToSimulink | Average Pooling 2D Layer

トピック

• 分類用のシンプルな深層学習ニューラル ネットワークの作成
• 回帰用の畳み込みニューラル ネットワークの学習
• MATLAB による深層学習
• 深層学習層の一覧