Main Content

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。

maxPooling1dLayer

1 次元最大プーリング層

R2021b 以降

    説明

    1 次元最大プーリング層は、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。

    • 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

    説明

    layer = maxPooling1dLayer(poolSize) は、1 次元最大プーリング層を作成し、PoolSize プロパティを設定します。

    layer = maxPooling1dLayer(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、maxPooling1dLayer(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 次元最大プーリング層を作成します。

    入力引数

    すべて展開する

    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: maxPooling1dLayer(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 次元最大プーリング層を作成します。

    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。Stride1 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

    すべて展開する

    最大プーリング

    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、パディングの寸法 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

    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

    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

    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。Stride1 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

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

    MaxPooling1DLayer 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

    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

    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

    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

    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

    すべて折りたたむ

    プール サイズが 3 の 1 次元最大プーリング層を作成します。

    layer = maxPooling1dLayer(3);

    層配列に 1 次元最大プーリング層を含めます。

    layers = [
        sequenceInputLayer(12,MinLength=40)
        convolution1dLayer(11,96)
        reluLayer
        maxPooling1dLayer(3)
        convolution1dLayer(11,96)
        reluLayer
        globalMaxPooling1dLayer
        fullyConnectedLayer(10)
        softmaxLayer
        classificationLayer]
    layers = 
      10x1 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 Max Pooling          Max 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
        10   ''   Classification Output    crossentropyex
    

    アルゴリズム

    すべて展開する

    バージョン履歴

    R2021b で導入