如何实现 maxpool：在图像或张量上的滑动窗口上取最大值

Question

简而言之：我正在寻找一个简单的numpy（也许是单行的）实现Maxpool- 窗口上numpy.narray跨维度的所有位置的最大窗口。

更详细地说：我正在实现一个卷积神经网络（“CNN”），此类网络中的典型层之一是MaxPool层（例如此处）。写 y = MaxPool(x, S)，x是一个输入narray，S是一个参数，使用伪代码，其输出MaxPool由下式给出：

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

也就是说，y如果narray索引处的值等于沿着输入的第二维和第三维大小的b,h,w,c窗口所取的最大值，则窗口“角”被放置在索引处。S x Sxb,h,w,c

一些其他细节：网络是使用numpy. CNN 有许多“层”，其中一层的输出是下一层的输入。层的输入numpy.narray称为“张量”。就我而言，张量是 4 维的numpy.narray，x。那x.shape是一个元组(B,H,W,C)。张量经过一层处理后，每个维度的大小都会发生变化，例如层的输入i= 4可以具有大小B = 10, H = 24, W = 24, C = 3，而输出（也称为i+1层的输入）具有B = 10, H = 12, W = 12, C = 5。如评论中所示，应用后的尺寸MaxPool为(B, H - S + 1, W - S + 1, C)。

具体来说：如果我使用

import numpy as np

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

据说这会给我想要的东西，x.shape但是(2,3,3,4)对于退化的情况，我最大化的窗口的大小为3 x 3，第二维和第三维的大小x，这不完全是我想要的。

Answer 1

这是一个解决方案，用于np.lib.stride_tricks.as_strided创建滑动窗口，产生6D形状为 : 的数组(B,H-S+1,W-S+1,S,S,C)，然后简单地沿第四和第五轴执行 max，产生形状为 : 的输出数组(B,H-S+1,W-S+1,C)。中间6D数组将是输入数组的视图，因此不会占用更多内存。后续的归约操作max将有效地利用滑动views。

因此，实施将是 -

# 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))

样本运行 -

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)