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。

globalMaxPooling2dLayer

グローバル最大プーリング層

R2020a 以降

説明

2 次元グローバル最大プーリング層は、入力の高さおよび幅の次元の最大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。

作成

構文

layer = globalMaxPooling2dLayer

layer = globalMaxPooling2dLayer('Name',name)

説明

layer = globalMaxPooling2dLayer は、グローバル最大プーリング層を作成します。

layer = globalMaxPooling2dLayer('Name',name) は、オプションの Name プロパティを設定します。

プロパティ

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。

GlobalMaxPooling2DLayer 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

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 として返されます。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

{'in'} (既定値)

この プロパティ は読み取り専用です。

入力名。{'in'} として返されます。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

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 として返されます。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

{'out'} (既定値)

この プロパティ は読み取り専用です。

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

データ型: cell

オブジェクト関数

例

グローバル最大プーリング層の作成

'gmp1' という名前のグローバル最大プーリング層を作成します。

layer = globalMaxPooling2dLayer('Name','gmp1')

layer = 
  GlobalMaxPooling2DLayer with properties:

    Name: 'gmp1'

Layer 配列にグローバル最大プーリング層を含めます。

layers = [ ...
    imageInputLayer([28 28 1])
    convolution2dLayer(5,20)
    reluLayer
    globalMaxPooling2dLayer
    fullyConnectedLayer(10)
    softmaxLayer]

layers = 
  6x1 Layer array with layers:

     1   ''   Image Input              28x28x1 images with 'zerocenter' normalization
     2   ''   2-D Convolution          20 5x5 convolutions with stride [1  1] and padding [0  0  0  0]
     3   ''   ReLU                     ReLU
     4   ''   2-D Global Max Pooling   2-D global max pooling
     5   ''   Fully Connected          10 fully connected layer
     6   ''   Softmax                  softmax

ヒント

• イメージ分類ネットワークでは、最後の全結合層の前に globalMaxPooling2dLayer を使用して、パフォーマンスを犠牲にすることなく活性化のサイズを縮小できます。活性化のサイズが縮小されるということは、下流の全結合層の重みが少なくなり、ネットワークのサイズが縮小されることを意味します。

• 分類ネットワークの最後の方で、fullyConnectedLayer の代わりに globalMaxPooling2dLayer を使用できます。グローバル プーリング層には学習可能なパラメーターがないため、過適合が発生しにくくなり、ネットワークのサイズを縮小できます。これらのネットワークにより、入力データの空間変換に対するロバスト性を向上させることにもなります。代わりに、全結合層を globalAveragePooling2dLayer に置き換えることもできます。globalAveragePooling2dLayer と globalMaxPooling2dLayer のどちらがより適切かは、データ セットによって異なります。

  全結合層の代わりにグローバル平均プーリング層を使用するには、globalMaxPooling2dLayer への入力のサイズが分類問題のクラスの数と一致しなければなりません。

アルゴリズム

2 次元グローバル最大プーリング層

2 次元グローバル最大プーリング層は、入力の高さおよび幅の次元の最大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。

• 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。

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) という形式で表されます。

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、GlobalMaxPooling2DLayer 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)
"SSC" (spatial、spatial、channel)	"SSC" (spatial、spatial、channel)

dlnetwork オブジェクトでは、GlobalMaxPooling2DLayer 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
"SSCBT" (spatial、spatial、channel、batch、time)	"SSCBT" (spatial、spatial、channel、batch、time)
"SSCT" (spatial、spatial、channel、time)	"SSCT" (spatial、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。

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。

バージョン履歴

R2020a で導入

参考

convolution2dLayer | averagePooling2dLayer | maxPooling2dLayer | globalMaxPooling3dLayer | globalAveragePooling2dLayer

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