Maxout

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

Maxout激活层.

假设输入形状为(N, Ci, H, W)，输出形状为(N, Co, H, W)，则

Maxout - 图1

运算公式如下:

Maxout - 图2

参数:

  • groups (int) - 指定将输入张量的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) - 操作的名称(可选，默认值为None）。更多信息请参见 Name。

形状:

  • input: 形状为

    Maxout - 图3

    或

    Maxout - 图4

    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

    Maxout - 图5

    或

    Maxout - 图6

    的4-D Tensor，其中

代码示例

  1. import paddle
  3. x = paddle.rand([1, 2, 3, 4])
  4. # [[[[0.5002636  0.22272532 0.17402348 0.2874594 ]
  5. #    [0.95313174 0.6228939  0.7129065  0.7087491 ]
  6. #    [0.02879342 0.88725346 0.61093384 0.38833922]]
  7. #   [[0.5231306  0.03807496 0.91661984 0.15602879]
  8. #    [0.666127   0.616567   0.30741522 0.24044901]
  9. #    [0.7142536  0.7351477  0.31588817 0.23782359]]]]
  10. m = paddle.nn.Maxout(groups=2)
  11. out = m(x)
  12. # [[[[0.5231306  0.22272532 0.91661984 0.2874594 ]
  13. #    [0.95313174 0.6228939  0.7129065  0.7087491 ]
  14. #    [0.7142536  0.88725346 0.61093384 0.38833922]]]]