Question

简而言之：我正在寻找numpy的简单Maxpool（可能是oneliner）实现 - 在numpy.narray的所有位置的窗口上最大值横跨尺寸的窗口。

更多详细信息：我正在实施卷积神经网络（“CNN”），这种网络中的典型层之一是MaxPool层（查看示例{{3 }}）。写作 y = MaxPool(x, S)，x是输入narray，S是参数，使用伪代码，MaxPool的输出由下式给出：

     y[b,h,w,c] = max(x[b, s*h + i, s*w + j, c]) over i = 0,..., S-1; j = 0,...,S-1.

也就是说，y是narray，其中索引b,h,w,c的值等于沿着第二维和第三维的大小S x S的窗口所取的最大值。输入x，窗口“角落”放在索引b,h,w,c。

其他一些细节：使用numpy实施网络。 CNN有许多“层”，其中一层的输出是下一层的输入。层的输入是numpy.narray，称为“张量”。在我的情况下，张量是4维numpy.narray，x。那是x.shape是一个元组(B,H,W,C)。在张量处理图层之后，每个尺寸的尺寸都会发生变化，例如，图层i= 4的输入可以具有尺寸B = 10, H = 24, W = 24, C = 3，而输出（也称为i+1图层的输入具有{{} 1}}。如评论中所示，B = 10, H = 12, W = 12, C = 5申请后的大小为MaxPool。

具体：如果我使用

(B, H - S + 1, W - S + 1, C)

其中import numpy as np y = np.amax(x, axis = (1,2))说x.shape这会给我我想要的但是对于一个退化的情况，我最大化的窗口大小为(2,3,3,4)，第二个大小和3 x 3的第三维，这不是我想要的。

Answer 1

这是一个使用np.lib.stride_tricks.as_strided创建滑动窗口的解决方案，生成6D形状数组：(B,H-S+1,W-S+1,S,S,C)，然后简单地沿第四和第五轴执行max，从而产生形状为(B,H-S+1,W-S+1,C)的输出数组。中间6D数组将是输入数组的视图，因此不再占用内存。 max作为缩减的后续操作将有效地利用滑动views。

因此，实现将是 -

# Based on http://stackoverflow.com/a/41850409/3293881
def patchify(img, patch_shape):
    a, X, Y, b = img.shape
    x, y = patch_shape
    shape = (a, X - x + 1, Y - y + 1, x, y, b)
    a_str, X_str, Y_str, b_str = img.strides
    strides = (a_str, X_str, Y_str, X_str, Y_str, b_str)
    return np.lib.stride_tricks.as_strided(img, shape=shape, strides=strides)

out = patchify(x, (S,S)).max(axis=(3,4))

示例运行 -

In [224]: x = np.random.randint(0,9,(10,24,24,3))

In [225]: S = 5

In [226]: np.may_share_memory(patchify(x, (S,S)), x)
Out[226]: True

In [227]: patchify(x, (S,S)).shape
Out[227]: (10, 20, 20, 5, 5, 3)

In [228]: patchify(x, (S,S)).max(axis=(3,4)).shape
Out[228]: (10, 20, 20, 3)

如何实现maxpool：在图像或张量上的滑动窗口上取最大值

1 个答案: