主要内容

globalAveragePooling3dLayer

三维全球平均池层

扩展所有的页面

描述

三维全球平均池层执行downsampling通过计算身高的均值,输入的宽度、深度和维度。

层池的尺寸取决于层输入:

  • 3 d图像输入(数据与五个维度对应像素在三维空间中,通道,和观察),在空间维度层池。

  • 3 d图像序列输入(数据和六个维度对应像素在三维空间中,通道,观察,和时间步长),在空间维度层池。

  • 对于二维图像序列输入(数据与五个维度对应像素在两个空间维度,通道,观察,和时间步长),在空间和时间维度层池。

创建

语法

层= globalAveragePooling3dLayer
层= globalAveragePooling3dLayer(“名字”,名称)

描述

层= globalAveragePooling3dLayer创建一个三维全球平均池层。

例子

层= globalAveragePooling3dLayer(名称,名称)设置可选的名字财产。

属性

全部展开

图层名称,指定为一个特征向量或字符串标量。为层数组输入,trainNetwork,assembleNetwork,layerGraph,dlnetwork函数自动分配名字与名字层”。

数据类型:字符|字符串

这个属性是只读的。

输入层的数量。这一层只接受一个输入。

数据类型:双

这个属性是只读的。

输入层的名称。这一层只接受一个输入。

数据类型:细胞

这个属性是只读的。

输出层的数量。这一层只有一个输出。

数据类型:双

这个属性是只读的。

输出层的名称。这一层只有一个输出。

数据类型:细胞

例子

全部折叠

打开生活的脚本

创建一个3 d全球平均池层的名字“gap1”。

层= globalAveragePooling3dLayer (“名字”,“gap1”)
层= GlobalAveragePooling3DLayer属性:名称:“gap1”

包括一个3 - d在全球平均池层层数组中。

层= […image3dInputLayer([28日28日28日3])convolution3dLayer (5、20) reluLayer globalAveragePooling3dLayer fullyConnectedLayer (10) softmaxLayer classificationLayer]
层x1 = 7层阵列层:1“3 d图像输入28 x28x28x3图像zerocenter正常化2”卷积20 5 x5x5卷曲步(1 1 1)和填充(0 0 0;0 0 0]3”ReLU ReLU 4”三维全球平均池三维全球平均池5“完全连接10完全连接层6”Softmax Softmax crossentropyex 7”分类输出

提示

  • 在一个图像分类网络,您可以使用一个globalAveragePooling3dLayer之前最后的完全连接层的大小减少激活不牺牲性能。激活的大小减少意味着下游完全连接层将会减少重量、减少网络的大小。

  • 您可以使用一个globalAveragePooling3dLayer末一个分类网络代替fullyConnectedLayer。因为全球池层没有可学的参数,它们可以不容易过度拟合,可以减少网络的大小。这些网络还可以更健壮的空间转换的输入数据。你也可以取代一个完全连接层globalMaxPooling3dLayer代替。是否globalMaxPooling3dLayer或者一个globalAveragePooling3dLayer更合适的取决于你的数据集。

    使用一个全球平均池层而不是一个完全连接层,通道的数量在全球平均池的输入层必须匹配的类的数量分类的任务。

算法

全部展开

版本历史

介绍了R2019b

另请参阅

||||

主题