主要内容

resize2dLayer

二维调整层

描述

二维调整层通过比例因子调整二维输入的大小,以指定的高度和宽度,或参考输入特征映射的大小。使用这一层需要深度学习工具箱™。

创建

描述

例子

层= resize2dLayer(“规模”,规模创建一个2-D调整图层,并设置规模属性指定的比例因子规模

例子

层= resize2dLayer(“OutputSize”,outputSize创建一个2-D调整图层,并设置OutputSize属性指定的高度和宽度outputSize

例子

层= resize2dLayer (EnableReferenceInput, tf)创建一个2-D调整图层,并设置EnableReferenceInput属性指定的布尔值特遣部队.当您将值指定为真正的,该层添加一个额外的输入,它接受一个参考特征映射,并将输入的大小调整为参考特征映射的大小。

例子

层= resize2dLayer (___名称,值设置可选方法GeometricTransformModeNearestRoundingMode,的名字使用名称-值对参数的属性。可以指定多个名称-值对参数。将每个属性名用单引号括起来。

例子:layer = resize2dLayer('OutputSize',[128 128],'Method','bilinear')创建一个2-D调整层,使用双线性插值将输入调整为128 * 128像素

属性

全部展开

调整

缩放因子用于调整输入的大小,指定为2元素的正数行向量。比例因子分别用于行尺寸和列尺寸。在创建层时,您可以指定规模作为标量,对两个维度使用相同的值。

调整后的输入的输出大小,指定为形式为[的2元素正整数行向量nrowsncols].您可以将一个元素指定为NaN,在这种情况下,该层自动计算值以保留输入的长宽比。

添加参考特征映射作为输入到层,指定为数字的或逻辑的0)或1真正的.当您将值指定为真正的,该层调整输入的高度和宽度,以匹配参考特征图的高度和宽度。调整大小操作不会改变输入通道的数量。

当您启用引用特性映射时,该层的输入具有名称“三机”而且“ref”,在那里“ref”是引用特性映射的名称。在连接或断开层时使用输入名称connectLayers(深度学习工具箱)disconnectLayers(深度学习工具箱)

插值方法,指定为“最近的”对于最近邻插值或双线性的双线性插值。

将点从输入空间映射到输出空间的几何变换模式,指定为“half-pixel”“不对称”

最近邻插补的舍入模式,指定为以下之一。

  • “圆”-使用与MATLAB相同的舍入行为®函数。

  • “地板”-使用与MATLAB相同的舍入行为地板上函数。

  • “onnx-10”-再现ONNX™(开放神经网络交换)opset 10 Resize操作符的调整行为。

时,此属性有效方法属性是“最近的”

层名,指定为字符向量或字符串标量。为数组输入,trainNetworkassembleNetworklayerGraph,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

层的输入数,指定为1EnableReferenceInput属性是2EnableReferenceInput属性是真正的

数据类型:

输入层的名称,指定为{'在'}EnableReferenceInput属性是{“在”,“ref”}EnableReferenceInput属性是真正的

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:

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

创建一个二维调整图层,水平缩放系数为2,垂直缩放系数为4。

层= resize2dLayer (“规模”(2 - 4))
名称:" Scale: [2 4] OutputSize: [] EnableReferenceInput: 0方法:'nearest' GeometricTransformMode: 'half-pixel' NearestRoundingMode: 'round'可学习参数没有属性。State Parameters无属性。显示所有属性

创建一个二维调整图层,命名为'resize224',输出大小为[224 224]。

层= resize2dLayer (“OutputSize”(224 224),“名字”“resize224”
名称:'resize224' Scale: [] OutputSize: [224 224] EnableReferenceInput: 0方法:'nearest' GeometricTransformMode: 'half-pixel' NearestRoundingMode: 'round'可学习参数没有属性。State Parameters无属性。显示所有属性

创建一个层数组,其中包括一个接受参考输入特性映射的二维调整层。

layers = [imageInputLayer([32 32 3],“名字”“图像”) resize2dLayer (“EnableReferenceInput”,真的,“名字”“调整”)]
2 'resize'调整nnet.cnn.layer.Resize2DLayer的大小

创建一个layerGraph.二维调整层的第一个输入自动连接到图像输入层的输出。

lgraph = layerGraph(层);

连接“ref”将二维调整大小层的输入转换为提供参考特征映射的层的输出connectLayers函数。该示例显示了一个普通连接,其中“ref”输入也连接到图像输入层的输出。

lgraph = connectLayers (lgraph,“图像”“调整/ ref”);

创建一个二维调整图层,命名为'rescale0.5',缩放系数为0.5。指定插值方法为双线性插值。

层= resize2dLayer (“规模”, 0.5,“方法”双线性的“名字”“rescale0.5”
名称:'rescale0.5' Scale: [0.5000 0.5000] OutputSize: [] EnableReferenceInput: 0方法:'双线性' GeometricTransformMode: '半像素' NearestRoundingMode: 'round'可学习参数无属性。State Parameters无属性。显示所有属性

参考文献

[1]开放神经网络交换https://github.com/onnx/

[2]ONNXhttps://onnx.ai/

扩展功能

C / c++代码生成
使用MATLAB®Coder™生成C和c++代码。

GPU的代码生成
使用GPU Coder™为NVIDIA GPU生成CUDA®代码。

版本历史

介绍了R2020b

全部展开

另请参阅

||(深度学习工具箱)|(深度学习工具箱)|(深度学习工具箱)

主题

Baidu
map