全球平均合并层
2-D全局平均池层通过计算输入的高度和宽度维度的平均值来执行缩减采样。
在图像分类网络中,您可以使用globalaveragePooling2Dlayer
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。激活的尺寸减小意味着下游完全连接的层的重量将减少,从而减小网络的大小。
您可以使用globalaveragePooling2Dlayer
在分类网络的尽头,而不是完整连接的layerer
。由于全局池层没有可学习的参数,因此它们可能不容易过度拟合,并且可以减少网络的大小。这些网络对于输入数据的空间翻译也可以更强大。您也可以用一个完全连接的层用globalMaxPooling2dLayer
反而。是否globalMaxPooling2dLayer
或aglobalaveragePooling2Dlayer
is more appropriate depends on your data set.
To use a global average pooling layer instead of a fully connected layer, the size of the input toglobalaveragePooling2Dlayer
必须匹配分类问题中的类数
convolution2dLayer
|平均泵2Dlayer
|maxpooling2dlayer
|globalaveragepooling3dlayer
|globalMaxPooling2dLayer