Maxout¶

class paddle.nn. Maxout ( groups, axis=1, name=None ) [源代码] ¶

Maxout 激活层，创建一个可调用对象计算。

假设输入形状为(N, Ci, H, W)，输出形状为(N, Co, H, W)，则 \(Co=Ci/groups\) 运算公式如下：

\[\begin{split}&out_{si+j} = \max_{k} x_{gsi + sk + j} \\ &g = groups \\ &s = \frac{input.size}{num\_channels} \\ &0 \le i < \frac{num\_channels}{groups} \\ &0 \le j < s \\ &0 \le k < groups\end{split}\]

参数¶

groups (int) - 指定将输入 Tensor 的 channel 通道维度进行分组的数目。输出的通道数量为通道数除以组数。

axis (int，可选) - 指定通道所在维度的索引。当数据格式为 NCHW 时，axis 应该被设置为 1，当数据格式为 NHWC 时，axis 应该被设置为-1 或者 3。默认值为 1。

name (str，可选) - 具体用法请参见 Name，一般无需设置，默认值为 None。

形状¶

input：形状为 \([N, C, H, W]\) 或 \([N, H, W, C]\) 的 4-D Tensor，N 是批尺寸，C 是通道数，H 是特征高度，W 是特征宽度。

output：输出形状为 \([N, Co, H, W]\) 或 \([N, H, W, Co]\) 的 4-D Tensor，其中 \(Co=C/groups\)

代码示例¶

          >>> import paddle
>>> paddle.seed(100)

>>> x = paddle.rand([1, 2, 3, 4])
>>> m = paddle.nn.Maxout(groups=2)
>>> out = m(x)
>>> print(out)
Tensor(shape=[1, 1, 3, 4], dtype=float32, place=Place(cpu), stop_gradient=True,
[[[[0.85139430, 0.95717543, 0.43864486, 0.51577556],
   [0.84765935, 0.45680618, 0.39412445, 0.72039396],
   [0.59444654, 0.78120756, 0.78364515, 0.90572405]]]])

         