質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

90.51%

ストライドがなぜ4次元なのか?

解決済

回答 1

投稿

  • 評価
  • クリップ 0
  • VIEW 441

oscikonome

score 9

CNNでMNISTデータを学習している以下を読んでいます
https://www.tensorflow.org/get_started/mnist/pros

1.畳み込みやプーリング、および画像データのreshape時において
strides=[1, 1, 1, 1]
ksize=[1, 2, 2, 1]
x_image = tf.reshape(x, [-1, 28, 28, 1])
のような表記があります。
2つ目は縦幅、3つ目は横幅、4つ目はチャンネル(色)というのはわかったのですが、1つ目の数値は何を表す情報なのでしょうか?

2.paddingについて
畳み込み時のpadding='SAME'は、入力と出力が同じサイズになるように、枠とストライドを見ながらうまいように0埋めする、という意味かと思います。
ですが、プーリングの時には2×2の枠で見ていき、28×28が14×14になっているような表記にもかかわらず、padding='SAME'となっているのはどういうことでしょうか?
また、padding='VALID'はどういうパディングなのでしょうか?

よろしくお願い致します

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

回答 1

checkベストアンサー

+1

  1. 一番わかり易い説明は公式ページです。
    https://www.tensorflow.org/versions/master/api_guides/python/nn#Convolution
    1つ目はバッチサイズです。
    https://stackoverflow.com/questions/34642595/tensorflow-strides-argument

  2. poolingのデフォルトはstrides=pool_sizeですので、ダウンサンプリングされて小さくなります。
    strides=(1, 1)にすると26x26になり、padding='same'だとゼロパディングされて28x28になります。
    アルゴリズムの詳細はご自分で確認していただくとして、pool_sizeで割り切れないようなデータを与えたときの振る舞いが異なります。'same'は切り上げ、'valid'は切り捨てになるはずです。
    28x28 -(3, 3)/'same'-> 10x10
    28x28 -(3, 3)/'valid'-> 9x9
    https://qiita.com/tadOne/items/48302a399dcad44c69c8

投稿

編集

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2017/12/11 17:14

    1.畳み込みは、画像の移動や回転に対して強くなるものという認識です。バッチサイズということは複数の画像がつながっている場合・・・立体の断面図(ルービックキューブのような?)・・・に、バッチサイズを指定したりするということでしょうか。普通に2次元の画像認識であればバッチサイズは1固定でよいのかと思います。

    2.SAMEは、枠のサイズとストライドによって、ピクセルごとに参照回数が変わらないように(同じになるように)パディングする、ということですね。サイズとストライドによっては(SAMEを指定しても)入力サイズと出力サイズが同じになるとは限らない、と
    VALIDはパディングなしで、枠のサイズとストライドで取れる分だけ取る、イメージでしょうか

    キャンセル

  • 2017/12/11 17:48

    ともに、仰る通りです。

    バッチサイズに1以外を入れる意味は無いと思います。
    どなたか1以外を使うケースをご存知かもしれませんが。
    ただ、次元の問題に関わるので、暗黙のルールとして省略するのは好ましくないと、数学・CS系のプロなら思うのかもしれません。今後何かのネットワークで1以外を使えるように汎用性高くしているとも。
    エンドユーザーで使いやすいようなKerasでは、(W, H)だけになっているはずです。チャンネルも入力から得られますから…

    SAMEはフィルタによって失われた分は自動的にゼロパディングしてくれますが、ストライドはケアしてくれません。縦横半分にしたいのに、情報の3/4を0で埋めるのは無駄だと考えたのかもしれません。
    VALIDはゼロパディングを含まない要素で最大に取れる分だけしか取らないということですね。

    キャンセル

  • 2017/12/11 18:23

    ありがとうございます

    キャンセル

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 90.51%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる

関連した質問

同じタグがついた質問を見る