1

Max Pooling

Unsolved
Computer Vision
Neural Networks

Difficulty: 6 | Problem written by peter.washington
Problem reported in interviews at

Amazon
Apple
Facebook
Google
Netflix

Given a 2D input matrix and a pooling window size, write a function that will calculate the result of performing max pooling on the matrix . If the pool size is N, the pooling window is NxN. Assume a stride of 1 and no padding. Output should be a numpy array (2D).

Sample Input:
<class 'numpy.ndarray'>
x: [[1 2] [3 4] [5 6]]
<class 'int'>
pool_size: 2

Expected Output:
<class 'numpy.ndarray'>
[[4] [6]]

Lorem ipsum dolor sit amet, consectetur adipisicing elit, sed do eiusmod tempor incididunt ut labore et dolore magna aliqua. Ut enim ad minim veniam, quis nostrud exercitation ullamco laboris nisi ut aliquip ex ea commodo consequat. Duis aute irure dolor in reprehenderit in voluptate velit esse cillum dolore eu fugiat nulla pariatur. Excepteur sint occaecat cupidatat non proident, sunt in culpa qui officia deserunt mollit anim id est laborum.

Veritatis suscipit debitis consequatur possimus inventore ratione perferendis eum, commodi distinctio laborum illo provident quasi dolore dolorum, magnam eum sint eveniet vel ex repellat eligendi harum fugit tempore?

Voluptas laboriosam inventore ducimus soluta minus quaerat voluptatum, sequi tempore nemo sed sunt quia possimus officia quidem placeat tempora aspernatur, placeat harum temporibus possimus vero aspernatur, eveniet cum sint ex. Alias facere impedit nam provident quae. Quod cumque eius accusantium repudiandae fuga, ab asperiores deserunt perspiciatis sint deleniti magni natus voluptatibus, fugiat eligendi omnis a atque exercitationem porro, saepe dolorem magnam libero aliquam similique hic, dicta cum expedita? Quo illum commodi harum reprehenderit optio eius officia in rerum explicabo, enim sequi numquam explicabo adipisci nulla non temporibus, error eum unde ducimus deleniti aliquam.

Tempore ducimus totam libero repudiandae expedita, harum provident aut iure facere quos id non corporis architecto sed, sed debitis ex alias laboriosam vero fuga eos praesentium, culpa voluptate recusandae doloribus qui. Cum nulla tempora distinctio aliquid esse atque, illum mollitia et quis in voluptatem. Aliquam fugiat veritatis consequuntur?

This is a premium feature.
To access this and other such features, click on upgrade below.

Ready.

Input Test Case

Please enter only one test case at a time
numpy has been already imported as np (import numpy as np)