主要内容

resize2dLayer

2-D调整图层

展开全部页面

描述

2-D调整层通过比例因子调整2-D输入的大小，到指定的高度和宽度，或者到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

语法

图层= resize2dLayer('Scale'， Scale)
layer = resize2dLayer('OutputSize'， OutputSize)
layer = resize2dLayer('EnableReferenceInput'，tf)
层= resize2dLayer(___、名称、值)

描述

例子

层= resize2dLayer('缩放'，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

layer = 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．当您将值指定为时真正的，该层添加一个额外的输入，该输入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）设置可选的方法，GeometricTransformMode，NearestRoundingMode,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]，'方法'，'双线性')创建一个二维调整层，使用双线性插值将输入大小调整为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一个标量，对两个维度使用相同的值。

调整大小的输入的输出大小，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，该层自动计算该值以保留输入的纵横比。

将引用特征映射作为输入添加到层，指定为数字的或逻辑的0（假)或1（真正的）．当您将值指定为时真正的，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的通道数。

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

插补方法，指定为“最近的”对于最近邻插值或双线性的用于双线性插值。

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

最近邻插补的舍入模式，指定为下列之一。

  • “圆”-使用与MATLAB相同的舍入行为®轮函数。

  • “地板”-使用与MATLAB相同的舍入行为地板上函数。

  • “onnx-10”-重现ONNX™(Open Neural Network Exchange) opset 10 Resize操作符的调整大小行为。

属性时，此属性有效方法属性是“最近的”．

层

层名，指定为字符向量或字符串标量。为层数组输入时，trainNetwork(深度学习工具箱)，assembleNetwork(深度学习工具箱)，layerGraph(深度学习工具箱),dlnetwork(深度学习工具箱)函数自动为具有该名称的层分配名称”．

数据类型:字符|字符串

层的输入数量，指定为1当EnableReferenceInput属性是假或2当EnableReferenceInput属性是真正的．

数据类型:双

输入层的名称，指定为{'在'}当EnableReferenceInput属性是假或{“在”,“ref”}当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。这个图层只有一个输出。

数据类型:双

此属性是只读的。

输出层的名称。这个图层只有一个输出。

数据类型:细胞

例子

全部折叠

打开实时脚本

创建一个2- d调整图层，水平缩放因子为2，垂直缩放因子为4。

层= resize2dLayer(“规模”(2 - 4))
layer = Resize2DLayer with properties: Name: " Scale: [2 4] OutputSize: [] EnableReferenceInput: 0 Method: 'nearest' GeometricTransformMode: 'half-pixel' NearestRoundingMode: 'round' Learnable Parameters无属性。状态参数无属性。显示所有属性
打开实时脚本

创建一个名为'resize224'的二维调整层，输出大小为[224 224]。

层= resize2dLayer(“OutputSize”(224 224),“名字”，“resize224”）
layer = Resize2DLayer with properties: Name: 'resize224' Scale: [] OutputSize: [224 224] EnableReferenceInput: 0 Method: 'nearest' GeometricTransformMode: 'half-pixel' NearestRoundingMode: 'round' Learnable Parameters无属性。状态参数无属性。显示所有属性

这个例子使用了:

打开实时脚本

创建一个层数组，其中包括一个接受参考输入特征映射的2-D调整大小层。

图层= [imageInputLayer([32 32 3]，“名字”，“图像”) resize2dLayer (“EnableReferenceInput”,真的,“名字”，“调整”）]
1 'image'图像输入32x32x3图像，归一化'zerocenter' 2 'resize'调整nnet.cnn.layer.Resize2DLayer

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(图层);

连接“ref”将2-D调整层的输入转换为一个层的输出，该层提供了一个参考特征映射connectLayers函数。此示例显示了一个普通连接，其中“ref”输入端也连接到图像输入层的输出端。

lgraph = connectLayers(“图像”，“调整/ ref”）;
打开实时脚本

创建一个命名为'rescale0.5'的二维调整图层，统一的缩放因子为0.5。指定插补方法为双线性插补。

层= resize2dLayer(“规模”, 0.5,“方法”，双线性的，“名字”，“rescale0.5”）
layer = Resize2DLayer with properties: Name: 'rescale0.5' Scale: [0.5000 0.5000] OutputSize: [] EnableReferenceInput: 0 Method: 'bilinear' GeometricTransformMode: 'half-pixel' NearestRoundingMode: 'round' Learnable Parameters无属性。状态参数无属性。显示所有属性

参考文献

[1]开放神经网络交换．https://github.com/onnx/．

[２]ONNX．https://onnx.ai/．

扩展功能

C/ c++代码生成
使用MATLAB®Coder™生成C和c++代码。

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

版本历史

R2020b中介绍

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