globalAveragePooling2dLayer

全局平均汇聚层

描述

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创建全局平均池化层。

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。要在层图中包含层，必须指定一个非空的、唯一的层名。如果你训练一个系列网络层和的名字被设置为＇＇，然后该软件在训练时自动为该层指定一个名称。

数据类型:字符|字符串

层的输入数。这一层只接受单个输入。

数据类型:双

输入图层名称。这一层只接受单个输入。

数据类型:细胞

层的输出数。这一层只有一个输出。

数据类型:双

图层的输出名称。这一层只有一个输出。

数据类型:细胞

打开生活的脚本

创建一个全局平均池层的名称“gap1”．

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

名称:'gap1'的GlobalAveragePooling2DLayer

控件中包含全局平均池化层层数组中。

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

图层= 7x1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”全球平均分担全球平均池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，可以在不牺牲性能的前提下减少激活层的尺寸。激活的减少意味着下游完全连接的层将拥有更少的权重，从而减少您的网络的大小。
你可以使用globalAveragePooling2dLayer接近终点的是一个分类网络而不是一个fullyConnectedLayer．由于全局池化层没有可学习的参数，它们可以减少过拟合的倾向，并可以减少网络的规模。这些网络在输入数据的空间转换方面也更强大。你也可以用globalMaxPooling2dLayer代替。是否globalMaxPooling2dLayer或者一个globalAveragePooling2dLayer是否更合适取决于您的数据集。
要使用全局平均池化层而不是完全连接层，输入的大小globalAveragePooling2dLayer在分类问题中是否必须匹配类数