二维分组卷积层
二维分组卷积层将输入通道分成组,并应用滑动卷积滤波器。使用分组卷积层进行通道可分离(也称为深度可分离)卷积。
对于每一组,该层通过沿着输入垂直和水平移动滤波器和计算权重和输入的点积来卷积输入,然后添加偏置项。该层独立地组合每个组的卷积。如果组的数量等于通道的数量,则该层执行通道级卷积。
创建一个2-D分组卷积层,并设置层
= groupedConvolution2dLayer (filterSize
,numFiltersPerGroup
,numGroups
)FilterSize
,NumFiltersPerGroup
,NumGroups
属性。
格洛洛特,泽维尔,还有约书亚·本吉奥。《理解深度前馈神经网络训练的难度》在第十三届人工智能与统计国际会议论文集, 249 - 356。撒丁岛,意大利:AISTATS, 2010。
[2]何开明,张翔宇,任少卿,孙健。“深入研究整流器:在ImageNet分类上超越人类水平的性能。”在2015年IEEE计算机视觉国际会议论文集, 1026 - 1034。华盛顿:IEEE计算机视觉学会,2015。
trainNetwork
|reluLayer
|batchNormalizationLayer
|maxPooling2dLayer
|fullyConnectedLayer
|convolution2dLayer