maxout

paddle.nn.functional. maxout ( x, 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:

  • x (Tensor) - 输入是形状为 [N,C,H,W][N,C,H,W] 或 [N,H,W,C][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，数据类型为float32或float64。

  • 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。

返回

Tensor ，数据类型同 x 一致。

代码示例

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