主要内容

globalAveragePooling2dLayer

二维全球平均池层

描述

一层二维全球平均池执行将采样通过计算平均高度和宽度尺寸的输入。

层池的尺寸取决于层输入:

  • 对二维图像的输入(数据与在两维空间,四维空间对应像素的渠道,和观察),在空间维度层池。

  • 对于二维图像序列输入(数据与五个维度对应像素在两个空间维度,通道,观察,和时间步长),在空间维度层池。

  • 对于一维图像序列输入(数据与四维对应像素在一个空间维度,通道,观察,和时间步长),在空间和时间维度层池。

创建

描述

= globalAveragePooling2dLayer创建一个全球平均池层。

例子

= globalAveragePooling2dLayer(名称,名称)设置可选的名字财产。

属性

全部展开

图层名称,指定为一个特征向量或字符串标量。为数组输入,trainNetwork,assembleNetwork,layerGraph,dlnetwork函数自动分配名称层的名称

数据类型:字符|字符串

这个属性是只读的。

输入层的数量。这一层只接受一个输入。

数据类型:

这个属性是只读的。

输入层的名称。这一层只接受一个输入。

数据类型:细胞

这个属性是只读的。

输出层的数量。这一层只有一个输出。

数据类型:

这个属性是只读的。

输出层的名称。这一层只有一个输出。

数据类型:细胞

例子

全部折叠

创建一个全球平均池层的名字“gap1”

层= globalAveragePooling2dLayer (“名字”,“gap1”)
层= GlobalAveragePooling2DLayer属性:名称:“gap1”

包括全球平均池层数组中。

层= [imageInputLayer([1] 28日28日)convolution2dLayer (5、20) reluLayer globalAveragePooling2dLayer fullyConnectedLayer (10) softmaxLayer classificationLayer]
层= 7 x1层与层:数组1”的形象输入28 x28x1图像zerocenter正常化2”二维卷积20 5 x5旋转步[1]和填充[0 0 0 0]3”ReLU ReLU 4”二维全球平均池二维全球平均池5“完全连接10完全连接层6”Softmax Softmax crossentropyex 7”分类输出

提示

  • 在一个图像分类网络,您可以使用一个globalAveragePooling2dLayer之前最后的完全连接层的大小减少激活不牺牲性能。激活的大小减少意味着下游完全连接层将会减少重量、减少网络的大小。

  • 您可以使用一个globalAveragePooling2dLayer末一个分类网络代替fullyConnectedLayer。因为全球池层没有可学的参数,它们可以不容易过度拟合,可以减少网络的大小。这些网络还可以更健壮的空间转换的输入数据。你也可以取代一个完全连接层globalMaxPooling2dLayer代替。是否globalMaxPooling2dLayer或者一个globalAveragePooling2dLayer更合适的取决于你的数据集。

    使用一个全球平均池层而不是一个完全连接层,通道的数量在全球平均池的输入层必须匹配的类的数量分类的任务。

算法

全部展开

扩展功能

C / c++代码生成
生成C和c++代码使用MATLAB®编码器™。

GPU的代码生成
生成NVIDIA的CUDA®代码®GPU使用GPU编码器™。

版本历史

介绍了R2019b