主要内容

image3dInputLayer

三维图像输入层

全部展开页面

描述

三维图像输入层将三维图像或三维卷输入网络，并应用数据归一化。

对于二维图像输入，使用imageInputLayer．

创建

语法

图层= image3dInputLayer(输入大小)
layer = image3dInputLayer(inputSize,Name,Value)

描述

层= image3dInputLayer (inputSize）返回一个3-D图像输入层并指定InputSize财产。

例子

层= image3dInputLayer (inputSize，名称,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。

属性

全部展开

三维图像输入

输入数据的大小，指定为整数的行向量[qh],在那里h，w，d,c分别对应通道的高度、宽度、深度和数量。

  • 对于灰度输入，指定一个带有的向量c等于1．

  • 对于RGB输入，指定一个带有的矢量c等于3.．

  • 对于多光谱或高光谱输入，指定一个带有的矢量c等于通道数。

对于二维图像输入，使用imageInputLayer．

例子:[132 132 116 3]

该属性是只读的。

每次数据通过输入层前向传播时应用数据规范化，指定为以下之一:

  • “zerocenter”-减去指定的平均值的意思是．

  • “zscore”-减去指定的平均值的意思是然后除以StandardDeviation．

  • “rescale-symmetric”—使用最小值和最大值重新调整输入，使其在[- 1,1]范围内最小值和马克斯,分别。

  • “rescale-zero-one”—使用最小值和最大值重新调整输入，使其在[0,1]范围内最小值和马克斯,分别。

  • “没有”—输入数据不进行规范化处理。

  • function handle -使用指定的函数对数据进行规范化。函数必须是这样的形式Y = func(X),在那里X是输入数据和输出Y是规范化的数据。

提示

在默认情况下，软件会自动计算规范化统计trainNetwork函数。为节省训练时的时间，请指定规范化所需的统计数据，并设置ResetInputNormalization选项trainingOptions来0（的意见)。

归一化维度，指定为下列之一:

  • “汽车”—如果培训选项为假你指定任何一个标准化统计(的意思是，StandardDeviation，最小值,或马克斯)，然后对与统计数据匹配的维度进行规范化。否则，在训练时重新计算统计数据并应用信道标准化。

  • “通道”-信道标准化。

  • “元素”-元素标准化。

  • “所有”—使用标量统计将所有值归一化。

数据类型:字符|字符串

零中心和z-score归一化的平均值，指定为ah——- - - - - -w——- - - - - -d——- - - - - -c数组，1 × 1 × 1 × 1 ×c每个通道的平均数数组，一个数字标量，或[],在那里h，w，d,c分别对应于均值的高度、宽度、深度和通道数。

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[]，然后是trainNetwork函数计算平均值。训练…dlnetwork对象，或者组装一个网络而不使用assembleNetwork函数时，必须设置的意思是属性设置为数值标量或数值数组。

数据类型:单|双|int8|int16|int32|int64|uint8|uint16|uint32|uint64

z-score归一化的标准差，用a表示h——- - - - - -w——- - - - - -d——- - - - - -c数组，1 × 1 × 1 × 1 ×c每个通道的平均数数组，一个数字标量，或[],在那里h，w，d,c分别对应标准偏差的高度、宽度、深度和通道数。

如果您指定StandardDeviation属性,然后归一化必须“zscore”．如果StandardDeviation是[]，然后是trainNetwork函数计算标准偏差。训练…dlnetwork对象，或者组装一个网络而不使用assembleNetwork函数时，必须设置StandardDeviation属性设置为数值标量或数值数组。

数据类型:单|双|int8|int16|int32|int64|uint8|uint16|uint32|uint64

重新缩放的最小值，指定为h——- - - - - -w——- - - - - -d——- - - - - -c数组，1 × 1 × 1 × 1 ×c每通道最小值的数组、数字标量或[],在那里h，w，d,c分别对应于最小值的高度、宽度、深度和通道数。

如果您指定最小值属性,然后归一化必须“rescale-symmetric”或“rescale-zero-one”．如果最小值是[]，然后是trainNetwork函数计算最小值。训练…dlnetwork对象，或者组装一个网络而不使用assembleNetwork函数时，必须设置最小值属性设置为数值标量或数值数组。

数据类型:单|双|int8|int16|int32|int64|uint8|uint16|uint32|uint64

重新缩放的最大值，指定为h——- - - - - -w——- - - - - -d——- - - - - -c数组，1 × 1 × 1 × 1 ×c每个通道最大值的数组、数字标量或[],在那里h，w，d,c分别对应最大值的高度、宽度、深度和通道数。

如果您指定马克斯属性,然后归一化必须“rescale-symmetric”或“rescale-zero-one”．如果马克斯是[]，然后是trainNetwork函数计算最大值。训练…dlnetwork对象，或者组装一个网络而不使用assembleNetwork函数时，必须设置马克斯属性设置为数值标量或数值数组。

数据类型:单|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。为层数组输入trainNetwork，assembleNetwork，layerGraph,dlnetwork函数会自动将名称分配给具有该名称的层”．

数据类型:字符|字符串

该属性是只读的。

层的输入数。层没有输入。

数据类型:双

该属性是只读的。

输入图层的名称。层没有输入。

数据类型:细胞

该属性是只读的。

层的输出数。这一层只有一个输出。

数据类型:双

该属性是只读的。

输出图层的名称。这一层只有一个输出。

数据类型:细胞

例子

全部折叠

打开实时脚本

为带有名称的132 × 132 × 116彩色3-D图像创建3-D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。

layer = image3dInputLayer([132 132 116]，“名字”，“输入”）
图层= Image3DInputLayer with properties: Name: 'input' InputSize: [132 132 116 1] Hyperparameters:归一化:'zerocenter' NormalizationDimension: 'auto' Mean: []

在a中包含三维图像输入层层数组中。

layers = [image3dInputLayer([28 28 28 3])卷积3dlayer (5,16，“步”，4) reluLayer maxPooling3dLayer(2，“步”，4) fulllyconnectedlayer (10) softmaxLayer classificationLayer]
1”3d图像输入28x28x28x3图像，“零中心”归一化2”3d卷积16个5x5x5卷积，步幅[4 4 4]，填充[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 "分类输出交叉交叉

版本历史

在R2019a中引入

全部展开

另请参阅

||||||

主题