GlobalMapooling3Dlayer

三维全局最大池层

在第页中展开全部

描述

三维全局最大池层通过计算输入的高度、宽度和深度维度的最大值来执行下采样。

创造

语法

图层=全局展开3D图层

layer=GlobalMapooling3DLayer（'Name'，Name）

描述

层=GlobalMapooling3Dlayer创建三维全局最大池层。

实例

层=GlobalMapooling3Dlayer（'Name'，Name）设置可选的名称所有物

性质

全部展开

`名称`—图层名称
`''`（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。为层数组输入列车网络,assembleNetwork,分层图和数据链路网络函数会自动将名称指定给具有名称着手''.

数据类型：烧焦|一串

`努明普茨`—输入数
`1.`（默认）

此属性是只读的。

层的输入数。此层仅接受单个输入。

数据类型：双重的

`输入名称`—输入名称
`{'in'}`（默认）

此属性是只读的。

输入图层的名称。该层仅接受单个输入。

数据类型：单间牢房

`NumOutputs`—产出数量
`1.`（默认）

此属性是只读的。

层的输出数。该层只有一个输出。

数据类型：双重的

`OutputNames`—输出名称
`{'out'}`（默认）

此属性是只读的。

层的输出名称。此层只有一个输出。

数据类型：单间牢房

目标函数

例子

全部崩溃

创建三维全局最大池层

打开实时脚本

创建名为的三维全局最大池层“gmp1”.

层= globalMaxPooling3dLayer (“姓名”,“gmp1”)

layer=GlobalMapooling3DLayer，属性：名称：“gmp1”

包含一个3d最大池化层层大堆

层=[...image3dInputLayer（[28 3]）卷积3DLayer（5,20）reluLayer全局扩展3DLayer fullyConnectedLayer（10）softmaxLayer classificationLayer]

Layer = 7x1 Layer array with layers: 1 " 3-D Image Input 28x28x28x3 images with 'zerocenter' normalization 2 " Convolution 20 5x5x5卷积与stride[1 1 1]和填充[0 0 0;0 0 0] 3 " ReLU ReLU 4 " 3- d Global Max Pooling 3- d Global Max Pooling 5 " Fully Connected 10 Fully Connected layer 6 " Softmax Softmax 7 " Classification Output crossentropyex . 0 0 0

提示

在图像分类网络中，可以使用GlobalMapooling3Dlayer在最终完全连接层之前，在不牺牲性能的情况下减小激活的大小。激活的大小减小意味着下游完全连接的层将具有更少的权重，从而减小网络的大小。
你可以使用GlobalMapooling3Dlayer接近分类网络的末端，而不是完全连接层. 由于全局池层没有可学习的参数，因此它们不太容易过度拟合，并且可以减小网络的大小。这些网络还可以对输入数据的空间转换更加健壮。也可以将完全连接的图层替换为GlobalAveragePoolg3dLayer相反是否globalAveragPooling3dLayer或者GlobalMapooling3Dlayer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全连接层，输入的大小GlobalMapooling3Dlayer必须与分类问题中的类数匹配