globalAveragePooling2dLayer

全球平均池化层

全部展开页面

描述

二维全局平均池化层通过计算输入的高度和宽度维度的平均值来执行下采样。

层= globalAveragePooling2dLayer

层= globalAveragePooling2dLayer(“名字”,名称)

层= globalAveragePooling2dLayer创建一个全局平均池层。

层= globalAveragePooling2dLayer(名称,名称)设置可选的名字财产。

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函数自动为层分配名称的名字设置为＇'．

数据类型:字符|字符串

此属性是只读的。

层的输入数。这一层只接受单个输入。

数据类型:双

此属性是只读的。

输入层名。这一层只接受单个输入。

数据类型:细胞

此属性是只读的。

层输出的数量。这一层只有一个输出。

数据类型:双

此属性是只读的。

输出层的名称。这一层只有一个输出。

数据类型:细胞

打开生活的脚本

使用名称创建一个全局平均池层“gap1”．

层= globalAveragePooling2dLayer (“名字”，“gap1”）

layer = GlobalAveragePooling2DLayer with properties: Name: 'gap1'

包含一个全局平均池层层数组中。

层= [．．．imageInputLayer([28 28 1])卷积2dlayer (5,20) reluLayer globalAveragePooling2dLayer fulllyconnectedlayer (10) softmaxLayer classificationLayer]

图层数组:1”的形象输入28 x28x1图像zerocenter正常化2”卷积20 5 x5旋转步[1]和填充[0 0 0 0]3”ReLU ReLU 4”二维全球平均池二维全球平均池5“完全连接10完全连接层6”Softmax Softmax crossentropyex 7”分类输出

在图像分类网络中，可以使用globalAveragePooling2dLayer在最终完全连接层之前，减少了活化的大小而不牺牲性能。激活的减小意味着下游完全连接层的权重更小，从而减小网络的规模。
你可以用globalAveragePooling2dLayer接近尾声的一个分类网络代替了一个fullyConnectedLayer．由于全局池化层没有可学习的参数，它们可以降低过拟合的可能性，并可以减少网络的规模。这些网络对于输入数据的空间转换也更健壮。你也可以用一个globalMaxPooling2dLayer代替。是否globalMaxPooling2dLayer或者一个globalAveragePooling2dLayer是否更合适取决于你的数据集。
要使用全局平均池化层而不是全连接层，输入的大小globalAveragePooling2dLayer必须匹配分类问题中的类数