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

構文

layer = maxPooling1dLayer(poolSize)

layer = maxPooling1dLayer(poolSize,Name=Value)

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、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

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,Stride=2) は、プール サイズが 3、ストライドが 2 の 1 次元最大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 (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

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

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

最大プーリング

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

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。

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

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 次元最大プーリング層の作成

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]

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 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

アルゴリズム

1 次元最大プーリング層

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。この層は、入力に沿ってプーリング領域を水平方向に動かして入力をプーリングします。

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。

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、MaxPooling1DLayer 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)	"CB" (channel、batch)
"SCBT" (spatial、channel、batch、time)	"SCBT" (spatial、channel、batch、time)
"SB" (spatial、batch)	"SB" (spatial、batch)

dlnetwork オブジェクトでは、MaxPooling1DLayer 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)
"BT" (batch、time)	"BT" (batch、time)
"SBT" (spatial、batch、time)	"SBT" (spatial、batch、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 | averagePooling1dLayer | globalMaxPooling1dLayer | globalAveragePooling1dLayer | exportNetworkToSimulink | Max 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