主要内容

image3dinputlayer.

3-D图像输入层

展开所有页面

描述

3-D图像输入层将3-D图像或卷输入到网络并应用数据标准化。

对于二维图像输入，使用imageInputlayer.．

创建

句法

tillay = image3dinputlayer（输入）
层= image3dInputLayer (inputSize、名称、值)

描述

层= image3dInputLayer (inputSize）返回3-D图像输入层并指定InputSize财产。

例子

层= image3dInputLayer (inputSize那名称，价值）使用名称-值对设置可选属性。可以指定多个名称-值对。将每个属性名称用单引号括起来。

特性

展开全部

三维图像输入

输入数据的大小，指定为整数的行向量[H W D C],在那里H那W.那D.,C分别对应通道的高度、宽度、深度和数量。

  • 有关灰度输入，请指定向量C等于1．

  • 对于RGB输入，请指定向量C等于3.．

  • 对于多光谱或高光谱输入，请指定向量C等于频道数。

对于二维图像输入，使用imageInputlayer.．

例子:[132 132 116 3]

要应用每次数据的数据归一化将通过输入图层向前传播，指定为以下之一：

  • 'Zerocenter'- 减去所指定的平均值的意思是．

  • 'zscore'- 减去所指定的平均值的意思是然后除以StandardDeviation．

  • 'Rescale-ysmmetric'- 使用最小值和最大值，重新缩放输入到[-1,1]的范围内闵和马克斯， 分别。

  • 'Rescale-Zero-One'- 使用最小值和最大值，重新缩放输入到范围内[0,1]闵和马克斯， 分别。

  • '没有任何'—不规范输入数据。

  • 功能句柄 - 使用指定的功能归一化数据。该函数必须是表单y = func（x）,在那里X输入数据和输出是输出y是标准化数据。

小费

默认情况下，该软件可自动计算培训时间的标准化统计信息。要节省培训时，请指定规范化所需的统计信息，并设置“ResetInputNormalization”选项trainingOptions至错误的．

标准化维度，指定为以下之一：

  • '汽车'- 如果培训选项是错误的并且您指定了任何归一化统计信息（的意思是那StandardDeviation那闵， 或者马克斯)，然后对匹配统计信息的维度进行规格化。否则，在训练时重新计算统计数据，并应用通道标准化。

  • “通道”——Channel-wise正常化。

  • '元素'- 元素明智的归一化。

  • “所有”—使用标量统计对所有值进行规范化。

零中心和z分数归一化的平均值，指定为aH——- - - - - -W.——- - - - - -D.——- - - - - -C数组,1-by-1-by-1-by -C数组意味着每个通道，一个数字标量，或［］,在那里H那W.那D.,C对应于平均值的高度，宽度，深度和频道的数量。

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［］，然后软件计算培训时间的平均值。

在没有培训的情况下创建网络时，可以设置此属性（例如，使用网络使用assembleNetwork）.

数据类型：单身的|双|INT8.|int16|int32|INT64.|uint8.|uint16|UINT32|UINT64

z分数归一化的标准偏差，指定为aH——- - - - - -W.——- - - - - -D.——- - - - - -C数组,1-by-1-by-1-by -C数组意味着每个通道，一个数字标量，或［］,在那里H那W.那D.,C对应于标准偏差的高度，宽度，深度和频道的数量。

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间的标准偏差。

在没有培训的情况下创建网络时，可以设置此属性（例如，使用网络使用assembleNetwork）.

数据类型：单身的|双|INT8.|int16|int32|INT64.|uint8.|uint16|UINT32|UINT64

用于重新缩放的最小值，指定为H——- - - - - -W.——- - - - - -D.——- - - - - -C数组,1-by-1-by-1-by -C每个通道的最小值数组，数字标量或［］,在那里H那W.那D.,C对应于最小值的高度，宽度，深度和通道数。

如果您指定闵属性,然后归一化必须'Rescale-ysmmetric'或'Rescale-Zero-One'．如果闵是［］，然后软件计算出训练时间的最小值。

在没有培训的情况下创建网络时，可以设置此属性（例如，使用网络使用assembleNetwork）.

数据类型：单身的|双|INT8.|int16|int32|INT64.|uint8.|uint16|UINT32|UINT64

调整大小的最大值，指定为H——- - - - - -W.——- - - - - -D.——- - - - - -C数组,1-by-1-by-1-by -C每个通道的最大数组，数字标量或［］,在那里H那W.那D.,C分别对应最大值的高度、宽度、深度和通道数。

如果您指定闵属性,然后归一化必须'Rescale-ysmmetric'或'Rescale-Zero-One'．如果马克斯是［］然后，软件在训练时间计算最大值。

在没有培训的情况下创建网络时，可以设置此属性（例如，使用网络使用assembleNetwork）.

数据类型：单身的|双|INT8.|int16|int32|INT64.|uint8.|uint16|UINT32|UINT64

层

图层名称，指定为字符向量或字符串标量。要在图层图中包含一个图层，必须指定非空，唯一的图层名称。如果您使用该图层培训系列网络名称被设置为''，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|细绳

层的输入数。该层没有输入。

数据类型：双

输入图层名称。该层没有输入。

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

例子

全部折叠

打开生活的脚本

使用名称为132-by-132-by-116彩色3-D图像创建三维图像输入层'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]，'名称'那'输入'）
[132 132 116]超参数归一化:'zerocenter'归一化维度:'auto' Mean: []

包含一个三维图像输入层层大批。

layers = [image3dInputLayer([28 28 28 3])]卷积3dlayer (5,16，'走吧'，4）Rublayer MaxPooling3dlayer（2，'走吧'，4）全连接层（10）SoftMaxLayer分类层]
卷积16个5x5x5卷积with stride [4 4 4] and padding [0 0 0;3 " ReLU ReLU 4 " 3- d Max Pooling 2x2x2 Max Pooling with stride [4 4 4] and padding [0 0 0;0 0 0] 5 "全连接10全连接层6 " Softmax Softmax 7 "分类输出十字形

兼容性的考虑

展开全部

不推荐在R2019B开始

行为将在未来的版本中改变

也可以看看

||||||

话题

在R2019A介绍

深度学习工具箱文档

金宝app

介绍MATLAB深度学习

介绍MATLAB深度学习

下载电子书