主要内容

maxPooling2dLayer

马克斯池层

在页面中全部展开

描述

二维最大池化层通过将输入划分为矩形池化区域，然后计算每个区域的最大值来执行下采样。

创建

语法

层= maxPooling2dLayer (poolSize)
层= maxPooling2dLayer (poolSize、名称、值)

描述

层= maxPooling2dLayer (poolSize）创建一个最大池化层并设置PoolSize财产。

例子

层= maxPooling2dLayer (poolSize，名称,值）设置可选步，的名字,HasUnpoolingOutputs使用名称-值对的属性。方法指定输入填充“填充”名称-值对的论点。例如,maxPooling2dLayer(2步,3)创建一个最大池大小的池层(2 - 2)和步[3 3]．可以指定多个名称-值对。将每个属性名用单引号括起来。

输入参数

全部展开

名称-值参数

使用逗号分隔的名称-值对参数指定沿层输入的边缘添加的填充大小，并设置步，的名字,HasUnpoolingOutputs属性。名字用单引号括起来。

例子:maxPooling2dLayer(2步,3)创建一个最大池大小的池层(2 - 2)和步[3 3]．

输入边填充，指定为逗号分隔的对，由“填充”其中一个价值观是:

  • “相同”-在训练或预测时添加软件计算的大小填充，使步幅为1时输出与输入大小相同。如果stride大于1，则输出大小为装天花板(inputSize /步),在那里inputSize是输入的高度还是宽度步是对应维度中的步幅。如果可能的话，软件会在顶部和底部，以及左侧和右侧添加相同数量的填充。如果必须垂直添加的填充有一个奇数值，那么软件将在底部添加额外的填充。如果必须水平添加的填充有一个奇数值，那么软件将在右侧添加额外的填充。

  • 非负整数p-添加大小的填充p到输入的所有边。

  • 向量[b]的非负整数-添加大小填充一个到顶部和底部的输入和填充的大小b向左和向右。

  • 向量[t b l r]的非负整数-添加大小填充t前,b底部,l向左，然后r在输入的右边。

例子:“填充”,1在顶部和底部添加一行填充，在输入的左侧和右侧添加一列填充。

例子:“填充”,“相同”添加填充，以便输出与输入大小相同(如果stride等于1)。

属性

全部展开

马克斯池

池化区域的维度，指定为两个正整数的向量[w h],在那里h是高度和w是宽度。在创建层时，您可以指定PoolSize作为标量，对两个维度使用相同的值。

如果步幅尺寸步小于各自的池维度，则池区域重叠。

填充的维度PaddingSize必须小于池化区域尺寸PoolSize．

例子:(2 - 1)指定高度为2，宽度为1的池区域。

用于垂直和水平遍历输入的步长，指定为两个正整数的向量[b],在那里一个竖直步长和b是水平步长。在创建层时，您可以指定步作为标量，对两个维度使用相同的值。

如果步幅尺寸步小于各自的池维度，则池区域重叠。

填充的维度PaddingSize必须小于池化区域尺寸PoolSize．

例子:3 [2]指定垂直步长为2，水平步长为3。

应用于输入边框的填充大小，指定为向量[t b l r]四个非负整数的t是填充到顶部，b是填充到底部，l填充是应用到左边，和r是应用到右侧的填充。

创建图层时，使用“填充”参数指定填充大小。

例子:[1 1 2 2]在顶部和底部添加一行填充，在输入的左侧和右侧添加两列填充。

方法来确定填充大小，指定为“手动”或“相同”．

软件会自动设置PaddingMode基于“填充”创建层时指定的值。

  • 如果你设置“填充”选项设置为标量或非负整数的向量，然后软件自动设置PaddingMode来“手动”．

  • 如果你设置“填充”选项“相同”，然后软件自动设置PaddingMode来“相同”并在训练时计算填充的大小，以便当步幅为1时输出与输入的大小相同。如果stride大于1，则输出大小为装天花板(inputSize /步),在那里inputSize是输入的高度还是宽度步是对应维度中的步幅。如果可能的话，软件会在顶部和底部，以及左侧和右侧添加相同数量的填充。如果必须垂直添加的填充有一个奇数值，那么软件将在底部添加额外的填充。如果必须水平添加的填充有一个奇数值，那么软件将在右侧添加额外的填充。

请注意

填充属性将在未来的版本中删除。使用PaddingSize代替。创建图层时，使用“填充”参数指定填充大小。

应用于垂直和水平输入边框的填充大小，指定为向量[b]两个非负整数的一个是否将填充应用到输入数据的顶部和底部b是应用到左边和右边的填充。

例子:[1]在顶部和底部添加一行填充，在输入的左侧和右侧添加一列填充。

标志，用于输出到非池化层，指定为真正的或假．

如果HasUnpoolingOutputs值=假，那么Max池化层有一个带有名称的输出“出”．

若要使用最大池化层的输出作为最大非池化层的输入，请设置HasUnpoolingOutputs价值真正的．在这种情况下，最大池化层有两个额外的输出，你可以连接到最大非池化层:

  • “指标”—各池区域的最大值索引。

  • “大小”-输入特征映射的大小。

为了使输出能够到最大非池化层，最大池化层的池化区域必须不重叠。

有关如何取消最大池化层的输出池化的更多信息，请参见maxUnpooling2dLayer．

层

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

层的输出数量。

如果HasUnpoolingOutputs值=假，那么Max池化层有一个带有名称的输出“出”．

若要使用最大池化层的输出作为最大非池化层的输入，请设置HasUnpoolingOutputs价值真正的．在这种情况下，最大池化层有两个额外的输出，你可以连接到最大非池化层:

  • “指标”—各池区域的最大值索引。

  • “大小”-输入特征映射的大小。

为了使输出能够到最大非池化层，最大池化层的池化区域必须不重叠。

有关如何取消最大池化层的输出池化的更多信息，请参见maxUnpooling2dLayer．

数据类型:双

输出层的名称。

如果HasUnpoolingOutputs值=假，那么Max池化层有一个带有名称的输出“出”．

若要使用最大池化层的输出作为最大非池化层的输入，请设置HasUnpoolingOutputs价值真正的．在这种情况下，最大池化层有两个额外的输出，你可以连接到最大非池化层:

  • “指标”—各池区域的最大值索引。

  • “大小”-输入特征映射的大小。

为了使输出能够到最大非池化层，最大池化层的池化区域必须不重叠。

有关如何取消最大池化层的输出池化的更多信息，请参见maxUnpooling2dLayer．

数据类型:细胞

例子

全部折叠

打开生活的脚本

创建一个最大池化层，池化区域不重叠。

层= maxPooling2dLayer (2“步”,2)
layer = MaxPooling2DLayer with properties: Name: " HasUnpoolingOutputs: 0 NumOutputs: 1 OutputNames: {'out'} Hyperparameters PoolSize: [2 2] Stride: [2 2] PaddingMode: 'manual' PaddingSize: [0 0 0 0]

矩形区域(池大小)的高度和宽度均为2。池化区域不会重叠，因为垂直和水平遍历图像的步长(步幅)也相同(2 - 2)．

包含一个最大池化层与非重叠区域层数组中。

层= [.．.imageInputLayer([28 28 1]) convolution2dLayer(5,20) reluLayer maxPooling2dLayer(2，“步”2) fullyConnectedLayer(10) softmaxLayer classificationLayer]
2”二维卷积20 5x5卷积与步幅[1 1]和填充[0 0 0 0]3”ReLU ReLU 4”二维最大池化2x2最大池化与步幅[2 2]和填充[0 0 0 0]5”全连接10全连接层6”Softmax Softmax 7”分类输出crossentropyex
打开生活的脚本

用重叠的池化区域创建最大池化层。

layer = maxPooling2dLayer([3 2]，“步”,2)
layer = MaxPooling2DLayer with properties: Name: " HasUnpoolingOutputs: 0 NumOutputs: 1 OutputNames: {'out'} Hyperparameters PoolSize: [3 2] Stride: [2 2] PaddingMode: 'manual' PaddingSize: [0 0 0 0]

这一层创建大小为[32 2]的池化区域，并取每个区域中六个元素的最大值。池化区域重叠是因为有步幅尺寸步它们小于各自的池维度PoolSize．

包含一个具有重叠池区域的最大池化层层数组中。

层= [.．.imageInputLayer([28 28 1]) convolution2dLayer(5,20) reluLayer maxPooling2dLayer([3 2]，“步”2) fullyConnectedLayer(10) softmaxLayer classificationLayer]
2”二维卷积20 5x5卷积与步幅[1 1]和填充[0 0 0 0]3”ReLU ReLU 4”二维最大池化3x2最大池化与步幅[2 2]和填充[0 0 0 0]5”全连接10全连接层6”Softmax Softmax 7”分类输出crossentropyex

算法

全部展开

参考文献

[1]纳吉，J.， F. Ducatelle, G. A. Di Caro, D. Ciresan, U. Meier, A. Giusti, F.纳吉，J. Schmidhuber, L. M. Gambardella。“基于视觉手势识别的最大池卷积神经网络”。信号与图像处理应用国际会议(ICSIPA2011), 2011年。

扩展功能

版本历史

介绍了R2016a

另请参阅

|||

主题

Baidu
map