image3dInputLayer
三维图像输入层
创建
描述
返回一个3d图像输入层,并指定层
= image3dInputLayer (inputSize
)InputSize
财产。
使用名称-值对设置可选属性。可以指定多个名称-值对。将每个属性名用单引号括起来。层
= image3dInputLayer (inputSize
,名称,值
)
属性
三维图像输入
InputSize
- - - - - -输入的大小
整数行向量
输入数据的大小,指定为整数行向量[h w d c]
,在那里h
,w
,d
,c
分别对应通道的高、宽、深、数。
对于灰度输入,指定一个向量
c
等于1
.对于RGB输入,指定一个向量
c
等于3.
.对于多光谱或高光谱输入,指定一个向量
c
等于通道数。
对于二维图像输入,使用imageInputLayer
.
例子:[132 132 116 3]
归一化
- - - - - -数据归一化
“zerocenter”
(默认)|“zscore”
|“rescale-symmetric”
|“rescale-zero-one”
|“没有”
|函数处理
每次数据通过输入层向前传播时应用数据规范化,指定为以下之一:
提示
默认情况下,该软件在训练时自动计算归一化统计数据。为节省训练时的时间,请指定规范化所需的统计信息并设置“ResetInputNormalization”
选项trainingOptions
来假
.
NormalizationDimension
- - - - - -规范化维度
“汽车”
(默认)|“通道”
|“元素”
|“所有”
归一化维度,指定为以下之一:
“汽车”
—如果培训选项为假
您可以指定任何规范化统计信息(的意思是
,StandardDeviation
,最小值
,或马克斯
),然后在与统计数据相匹配的维度上归一化。否则,在训练时重新计算统计数据并应用通道的归一化。“通道”
-通道的标准化。“元素”
-元素的标准化。“所有”
-使用标量统计数据规范化所有值。
数据类型:字符
|字符串
的意思是
- - - - - -均值为零中心和z分数归一化
[]
(默认)|四维数组|数字标量
0 -center和z-score归一化的平均值,指定为ah——- - - - - -w——- - - - - -d——- - - - - -c数组,一个1 × 1 × 1 × -c每个通道的均值数组、数值标量或[]
,在那里h,w,d,c分别对应平均值的高度、宽度、深度和通道数。
如果您指定的意思是
属性,然后归一化
必须“zerocenter”
或“zscore”
.如果的意思是
是[]
,然后软件计算训练时间的平均值。
您可以在未经训练的情况下创建网络时设置此属性(例如,在使用assembleNetwork
).
数据类型:单
|双
|int8
|int16
|int32
|int64
|uint8
|uint16
|uint32
|uint64
StandardDeviation
- - - - - -z分数归一化的标准差
[]
(默认)|四维数组|数字标量
z分数归一化的标准差,用a表示h——- - - - - -w——- - - - - -d——- - - - - -c数组,一个1 × 1 × 1 × -c每个通道的均值数组、数值标量或[]
,在那里h,w,d,c分别对应于标准偏差的高度、宽度、深度和通道数。
如果您指定StandardDeviation
属性,然后归一化
必须“zscore”
.如果StandardDeviation
是[]
,然后软件计算训练时的标准差。
您可以在未经训练的情况下创建网络时设置此属性(例如,在使用assembleNetwork
).
数据类型:单
|双
|int8
|int16
|int32
|int64
|uint8
|uint16
|uint32
|uint64
最小值
- - - - - -重新缩放的最小值
[]
(默认)|四维数组|数字标量
重新缩放的最小值,指定为h——- - - - - -w——- - - - - -d——- - - - - -c数组,一个1 × 1 × 1 × -c每个通道的最小值数组、数字标量或[]
,在那里h,w,d,c分别对应最小值的高度、宽度、深度和通道数。
如果您指定最小值
属性,然后归一化
必须“rescale-symmetric”
或“rescale-zero-one”
.如果最小值
是[]
,然后软件计算出训练时的最小值。
您可以在未经训练的情况下创建网络时设置此属性(例如,在使用assembleNetwork
).
数据类型:单
|双
|int8
|int16
|int32
|int64
|uint8
|uint16
|uint32
|uint64
马克斯
- - - - - -缩放的最大值
[]
(默认)|四维数组|数字标量
重新缩放的最大值,指定为h——- - - - - -w——- - - - - -d——- - - - - -c数组,一个1 × 1 × 1 × -c每个通道的最大值数组、数值标量或[]
,在那里h,w,d,c分别对应最大值的高度、宽度、深度和通道数。
如果您指定最小值
属性,然后归一化
必须“rescale-symmetric”
或“rescale-zero-one”
.如果马克斯
是[]
,然后软件计算训练时的最大值。
您可以在未经训练的情况下创建网络时设置此属性(例如,在使用assembleNetwork
).
数据类型:单
|双
|int8
|int16
|int32
|int64
|uint8
|uint16
|uint32
|uint64
层
的名字
- - - - - -层的名字
”
(默认)|特征向量|字符串标量
层名,指定为字符向量或字符串标量。为层
数组输入时,trainNetwork
,assembleNetwork
,layerGraph
,dlnetwork
函数自动为具有name的层分配名称”
.
数据类型:字符
|字符串
NumInputs
- - - - - -输入数量
0(默认)
该层的输入数量。该层没有输入。
数据类型:双
InputNames
- - - - - -输入名字
{}
(默认)
输入层的名称。该层没有输入。
数据类型:细胞
NumOutputs
- - - - - -输出数
1
(默认)
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
OutputNames
- - - - - -输出的名字
{“出”}
(默认)
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
创建三维图像输入层
创建一个带有名称的132 * 132 * 116彩色3d图像的3d图像输入层“输入”
.默认情况下,该层通过从每个输入图像中减去训练集的平均图像来执行数据归一化。
图层= image3dInputLayer([132 132 116],“名字”,“输入”)
层= Image3DInputLayer with properties: Name: 'input' InputSize:[132 132 116 1]超参数归一化:'zerocenter' NormalizationDimension: 'auto'意思:[]
包含一个三维图像输入层层
数组中。
图层= [image3dInputLayer([28 28 28 3])卷积3dlayer (5,16,“步”,4) reluLayer maxPooling3dLayer(2,“步”,4) fullyConnectedLayer(10) softmaxLayer classificationLayer]
2”卷积16 5x5x5卷积,步幅[4 4 4],填充[0 0 0 0;0 0 0] 3 " ReLU ReLU 4 " 3- d最大池化2x2x2最大池化与步幅[4 4 4]和填充[0 0 0;0 0 0] 5 "全连接10全连接层6 " Softmax Softmax 7 "分类输出
版本历史
在R2019a中引入R2019b:AverageImage
属性将被移除
不建议从R2019b开始
AverageImage
将被删除。使用的意思是
代替。的所有实例要更新代码,请替换AverageImage
与的意思是
.需要对代码进行额外更新的属性之间没有差异。
R2019b:imageInputLayer
而且image3dInputLayer
默认情况下,使用通道规范化
在未来的版本中改变行为
从R2019b开始,imageInputLayer
而且image3dInputLayer
默认情况下,使用通道规范化。在以前的版本中,这些层使用元素规范化。要重现此行为,请设置NormalizationDimension
选择这些图层“元素”
.
Abrir比如
Tiene una versión modificada de este ejemplo。¿Desea abrir este ejemplo con sus modificaciones?
MATLAB突击队
Ha hecho clic en unenlace que对应一个este commando de MATLAB:
弹射突击队introduciéndolo en la ventana de commandos de MATLAB。Los navegadores web no permission comandos de MATLAB。
您也可以从以下列表中选择一个网站:
如何获得最佳的网站性能
选择中国站点(中文或英文)以获得最佳站点性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。