主要内容

globalAveragePooling3dLayer

三维全球平均池层

在页面中全部展开

描述

一个三维全局平均池层通过计算输入的高度、宽度和深度维度的平均值来执行下采样。

图层池的尺寸取决于图层输入:

  • 对于三维图像输入(五个维度的数据对应于三个空间维度的像素、通道和观测)，层聚集在空间维度上。

  • 对于三维图像序列输入(六维数据，对应于三个空间维度的像素、通道、观测和时间步长)，层在空间维度上聚集。

  • 对于二维图像序列输入(五个维度的数据对应于两个空间维度的像素，通道，观察和时间步长)，层在空间和时间维度上聚集。

创建

语法

层= globalAveragePooling3dLayer
层= globalAveragePooling3dLayer(“名字”,名称)

描述

层= globalAveragePooling3dLayer创建了一个三维的全球平均池层。

例子

层= globalAveragePooling3dLayer(名称,名称)设置可选的名字财产。

属性

全部展开

层名，指定为字符向量或字符串标量。为层数组输入,trainNetwork，assembleNetwork，layerGraph,dlnetwork函数自动为具有此名称的层分配名称”．

数据类型:字符|字符串

此属性是只读的。

层的输入数。该层只接受单个输入。

数据类型:双

此属性是只读的。

输入图层名称。该层只接受单个输入。

数据类型:细胞

此属性是只读的。

层的输出数量。这个层只有一个输出。

数据类型:双

此属性是只读的。

输出层的名称。这个层只有一个输出。

数据类型:细胞

例子

全部折叠

打开生活的脚本

创建一个带有名称的3-D全局平均池层“gap1”．

层= globalAveragePooling3dLayer (“名字”，“gap1”）
layer = GlobalAveragePooling3DLayer，属性:

包含一个三维全局平均池层层数组中。

层= [.．.image3dInputLayer([28 28 28 3]) convolution3dLayer(5,20) reluLayer globalAveragePooling3dLayer fullyConnectedLayer(10) softmaxLayer classificationLayer]
2”3d Convolution 20 5x5x5 convolutions with stride [1 1 1] and padding [0 0 0;0 0 0] 3“ReLU ReLU 4”3- d全局平均池3- d全局平均池5”全连接10全连接层6”Softmax Softmax 7”分类输出交叉ropyex

提示

  • 在图像分类网络中，您可以使用globalAveragePooling3dLayer最后在完全连接层之前减少激活的大小而不牺牲性能。激活大小的减小意味着下游完全连接层的权重将减少，从而减少网络的大小。

  • 你可以使用globalAveragePooling3dLayer接近一个分类网络的末端而不是一个fullyConnectedLayer．由于全局池层没有可学习的参数，它们不太容易过拟合，并可以减少网络的大小。这些网络对于输入数据的空间转换也更加健壮。你也可以用globalMaxPooling3dLayer代替。是否globalMaxPooling3dLayer或者一个globalAveragePooling3dLayer是否更合适取决于你的数据集。

    如果要使用全局平均池化层而不是全连接层，则全局平均池化层输入的通道数量必须与分类任务中的类数量匹配。

算法

全部展开

版本历史

介绍了R2019b

另请参阅

||||

主题

Baidu
map