全局最大池
通过计算输入的高度和宽度尺寸的最大值来执行全局最大池池层对下采样。
在图像分类网络中,您可以使用aglobalmaxpooling2dlayer.
在最终完全连接的层之前,以减小激活的大小而不牺牲性能。缩小的激活尺寸意味着下游完全连接的层的重量较少,减少了网络的大小。
你可以使用一个globalmaxpooling2dlayer.
在分类网络的末尾而不是a全康统计层
。由于全局汇集层没有学习参数,因此它们可能不太容易过度装备,并且可以减少网络的大小。这些网络也可以更强大地对输入数据的空间翻译。您还可以用一个替换完全连接的图层GlobalaveragePooling2dlayer.
反而。是否是GlobalaveragePooling2dlayer.
或者globalmaxpooling2dlayer.
更合适取决于您的数据集。
要使用全局平均池代替完全连接的层,输入的大小globalmaxpooling2dlayer.
必须匹配分类问题中的类数
普通Pooling2dlayer.
|Convolution2Dlayer.
|GlobalaveragePooling2dlayer.
|globalmaxpooling3dlayer.
|maxpooling2dlayer.