如何實現maxpool：在圖像或張量上的滑動窗口上取最大值

Question

總之：我在尋找一個簡單的numpy （也許oneliner）實施Maxpool -最大的窗口上numpy.narray跨維度窗口的所有位置。

更詳細地說：我正在實現一個卷積神經網絡（“CNN”），這種網絡中的典型層之一是MaxPool層（ 在這里查看例子）。 寫y = MaxPool(x, S) ， x是輸入narray ， S是參數，使用偽代碼， MaxPool的輸出由下MaxPool給出：

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

也就是說， y是narray ，其中索引b,h,w,c等於沿着輸入x的第二維和第三維的大小S x S的窗口所取的最大值，窗口“角”位於索引b,h,w,c 。

一些額外的細節：網絡是使用numpy實現的。 CNN有許多“層”，其中一層的輸出是下一層的輸入。 層的輸入是numpy.narray稱為“張量”。 在我的情況下，張量是4維numpy.narray的， x 。 那就是x.shape是一個元組(B,H,W,C) 。 在張量處理層之后，每個尺寸的尺寸都會改變，例如，層i= 4的輸入可以具有尺寸B = 10, H = 24, W = 24, C = 3 ，而輸出，也就是輸入到i+1層具有B = 10, H = 12, W = 12, C = 5 。 如評論中所示，應用MaxPool后的大小為(B, H - S + 1, W - S + 1, C) 。

具體來說：如果我使用

import numpy as np

y = np.amax(x, axis = (1,2)) 

其中x.shape說(2,3,3,4)這將給我我想要的但是對於一個退化的情況，我最大化的窗口是3 x 3的大小，第二和第三維的大小x ，這不是我想要的。

Answer 1

這是一個使用np.lib.stride_tricks.as_strided創建滑動窗口的解決方案，形成一個6D陣列的形狀： (B,H-S+1,W-S+1,S,S,C) ，然后簡單地執行最大化第四和第五軸，產生一個形狀的輸出數組： (B,H-S+1,W-S+1,C) 。 中間6D陣列將是輸入數組的視圖，因此不會占用更多的內存。 max的后續操作是減少將有效地利用滑動views 。

因此，實施將是 -

# 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))

樣品運行 -

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)