PyTorch nn.MaxPool2d 関数

PyTorch torch.nn 参考手册 PyTorch torch.nn リファレンスマニュアル

torch.nn.MaxPool2dは、PyTorchで2次元最大プーリングを行うためのモジュールです。

プーリング層は、特徴マップの空間サイズを縮小し、計算量を削減するとともに、ある程度の並進不変性を提供します。

関数定義

torch.nn.MaxPool2d(kernel_size, stride=None, padding=0, dilation=1, return_indices=False, ceil_mode=False)

パラメータの説明：

kernel_size(intまたはtuple): プーリングウィンドウのサイズ。
stride(intまたはtuple): プーリングウィンドウが移動するストライド。デフォルトはkernel_size。
padding(intまたはtuple): 入力端のパディングサイズ。デフォルトは0。
dilation(intまたはtuple): ウィンドウ要素の間隔（dilation）。デフォルトは1。
return_indices(bool): 最大値のインデックスを返すかどうか。MaxUnpool2dで使用されます。デフォルトはFalse。
ceil_mode(bool): 出力サイズの計算にfloorではなくceilを使用するかどうか。デフォルトはFalse。

使用例

例1: 基本的な使い方

最大プーリング層を作成します：

実例

import torch
import torch.nn as nn

# 最大プーリング層を作成：ウィンドウ2x2、ストライド2
max_pool = nn.MaxPool2d(kernel_size=2, stride=2)

# 入力テンソルを作成
input_tensor = torch.randn(1, 1, 4, 4)
print("入力:n", input_tensor.squeeze().tolist())

# 順伝播
output = max_pool(input_tensor)

print("n出力:n", output.squeeze().tolist())
print("入力形状:", input_tensor.shape)
print("出力形状:", output.shape)

出力結果は次のとおりです：

输入:
[[-0.4128, 0.2341, -0.9876, 0.4567],
 [ 0.1234, 0.8765, -0.2345, 0.6789],
 [-0.5678, 0.3456, 0.7890, -0.1234],
 [ 0.9012, -0.4567, 0.2345, 0.5678]]

输出:
[[0.8765, 0.6789],
 [0.9012, 0.7890]]

输入形状: torch.Size([1, 1, 4, 4])
输出形状: torch.Size([1, 1, 2, 2])

各2x2ウィンドウ内の最大値が保持されていることがわかります。

例2: 異なるkernel_sizeとstride

プーリングパラメータを調整します：

実例

import torch
import torch.nn as nn

# 3x3プーリング、ストライド1（オーバーラップなし）
pool3x3 = nn.MaxPool2d(kernel_size=3, stride=1)

# 非正方形プーリング
pool_rect = nn.MaxPool2d(kernel_size=(2, 3), stride=(2, 3))

input_tensor = torch.randn(1, 1, 6, 9)

print("入力形状:", input_tensor.shape)
print("3x3 プーリング出力:", pool3x3(input_tensor).shape)
print("矩形プーリング出力:", pool_rect(input_tensor).shape)

例3: paddingを使用

エッジのパディングにより、ある程度エッジ情報を保持できます：

実例

import torch
import torch.nn as nn

# padding付きプーリング
pool_padding = nn.MaxPool2d(kernel_size=3, stride=1, padding=1)

input_tensor = torch.randn(1, 1, 4, 4)
output = pool_padding(input_tensor)

print("入力形状:", input_tensor.shape)
print("出力形状 (padding付き):", output.shape)

例4: インデックスを返す

return_indicesを使用すると、デコーダーで位置を復元できます：

実例

import torch
import torch.nn as nn

# インデックスを返すプーリング層を作成
pool_indices = nn.MaxPool2d(kernel_size=2, stride=2, return_indices=True)

input_tensor = torch.randn(1, 1, 4, 4)
output, indices = pool_indices(input_tensor)

print("出力形状:", output.shape)
print("インデックス形状:", indices.shape)
print("インデックス値:", indices.squeeze().tolist())

例5: CNNでの使用

典型的なCNN構造におけるプーリング層の位置：

実例

import torch
import torch.nn as nn

class SimpleCNN(nn.Module):
def __init__(self):
super(SimpleCNN, self).__init__()
# 畳み込み層
self.conv1 = nn.Conv2d(3, 32, kernel_size=3, padding=1)
self.conv2 = nn.Conv2d(32, 64, kernel_size=3, padding=1)
self.relu = nn.ReLU()

# プーリング層：通過するたびにサイズが半分になる
self.pool = nn.MaxPool2d(2, 2)

def forward(self, x):
x = self.relu(self.conv1(x)) # 32x32
x = self.pool(x) # 16x16

x = self.relu(self.conv2(x)) # 16x16
x = self.pool(x) # 8x8

return x

model = SimpleCNN()
input_image = torch.randn(1, 3, 32, 32)
output = model(input_image)

print("入力形状:", input_image.shape)
print("出力形状:", output.shape)

最大プーリング vs 平均プーリング

タイプ	公式	特徴	適用シーン
`MaxPool2d`	max(領域)	顕著な特徴を保持し、ノイズに対してよりロバスト	画像分類、物体検出（よく使用）
`AvgPool2d`	mean(領域)	特徴を平滑化し、背景情報を保持	グローバル平均プーリング、特徴抽出

よくある質問

Q1: プーリング層は削除できますか？

ResNetやDenseNetなどの現代のネットワークは、プーリングの代わりに小さいstrideの畳み込みを使用する傾向がありますが、プーリングは高速なダウンサンプリングに今でもよく使用されます。

Q2: strideとkernel_sizeにはどのような関係がありますか？

stride = kernel_sizeの場合、プーリングウィンドウはオーバーラップしません。stride < kernel_sizeの場合、プーリングウィンドウはオーバーラップします。

使用シーン

nn.MaxPool2d主な適用シーンは以下のとおりです：

画像分類ネットワーク: 解像度を段階的に下げ、高次特徴を抽出
物体検出: 顕著な特徴の位置を保持
計算量の削減: 特徴マップのサイズを縮小
受容野の拡大: 後続の層がより広い範囲の特徴を捉えられるようにする

PyTorch torch.nn 参考手册 PyTorch torch.nn リファレンスマニュアル

その他の拡張