全球平均池化层
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。
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
convolution2dLayer
|averagePooling2dLayer
|maxPooling2dLayer
|globalAveragePooling3dLayer
|globalMaxPooling2dLayer