三维全局最大池层
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。
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