resize2dLayer

二维调整图层大小

自从R2020b

全部展开页面

描述

二维调整层通过比例因子将二维输入的大小调整为指定的高度和宽度，或者调整为参考输入特征图的大小。使用这一层需要Deep Learning Toolbox™。

创建

语法

layer = resize2dLayer('缩放'，缩放)

layer = resize2dLayer('OutputSize'， OutputSize)

layer = resize2dLayer('EnableReferenceInput'，tf)

layer = resize2dLayer(＿＿＿、名称、值)

描述

例子

layer = resize2dLayer('缩放'，规模）创建一个二维大小调整图层，并设置规模属性指定的比例因子规模。

例子

layer = resize2dLayer('OutputSize'，outputSize）创建一个二维大小调整图层，并设置OutputSize属性指定的高度和宽度outputSize。

例子

layer = resize2dLayer('EnableReferenceInput'，tf)创建一个二维大小调整图层，并设置EnableReferenceInput属性指定的布尔值特遣部队。当您指定值为时真正的，该层添加了一个额外的输入，该输入接受参考特征图，并将输入的大小调整为参考特征图的大小。

例子

layer = resize2dLayer(＿＿＿，名称,值）设置可选的方法，GeometricTransformMode，NearestRoundingMode,名字使用名称-值对参数的属性。您可以指定多个名称-值对参数。将每个属性名称用单引号括起来。

例子:layer = resize2dLayer('OutputSize'，[128 128]，'Method'，'bilinear')创建一个二维调整图层，使用双线性插值将输入大小调整为128 × 128像素

属性

全部展开

调整

`规模`- - - - - -调整输入大小的比例因子
正数的两元素行向量

调整输入大小的比例因子，指定为正数的两元素行向量。比例因子分别用于行维度和列维度。在创建图层时，您可以指定规模作为标量，以便在两个维度上使用相同的值。

`OutputSize`- - - - - -调整输入的输出大小
正整数的2元行向量

调整大小的输入的输出大小，指定为形式为[的正整数的2元素行向量nrowsncols］.您可以将一个元素指定为NaN，在这种情况下，层将自动计算该值以保持输入的长宽比。

`EnableReferenceInput`- - - - - -添加参考特征映射作为输入
`假`或`0`|`真正的`或`1`

添加参考特征映射作为层的输入，指定为数字的或逻辑的0（假)或1（真正的）。当您指定值为时真正的，图层调整输入的高度和宽度，以匹配参考特征图的高度和宽度。调整大小操作不会改变输入的通道数。

当您启用引用特征映射时，层的输入具有名称“三机”和“ref”,在那里“ref”是参考特性映射的名称。在使用连接或断开层时使用输入名称connectLayers(深度学习工具箱)或disconnectLayers(深度学习工具箱)。

`方法`- - - - - -插值法
`“最近的”`(默认)|`双线性的`

插值方法，指定为“最近的”对于最近邻插值或双线性的对于双线性插值。

`GeometricTransformMode`- - - - - -几何变换方式
`“half-pixel”`(默认)|`“不对称”`

将点从输入空间映射到输出空间的几何变换模式，指定为“half-pixel”或“不对称”。

`NearestRoundingMode`- - - - - -最近邻插值的舍入模式
`“圆”`(默认)|`“地板”`|`“onnx-10”`

最近邻插值的舍入模式，指定为下列之一。

“圆”-使用与MATLAB相同的舍入行为^®轮函数。
“地板”-使用与MATLAB相同的舍入行为地板上函数。
“onnx-10”-重现ONNX™(Open Neural Network Exchange) opset 10 Resize操作符的调整大小行为。

时，此属性有效方法属性是“最近的”。

层

`名字`- - - - - -层的名字
`”`(默认)|特征向量|字符串标量

图层名称，指定为字符向量或字符串标量。为层数组输入trainNetwork(深度学习工具箱)，assembleNetwork(深度学习工具箱)，layerGraph(深度学习工具箱),dlnetwork(深度学习工具箱)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

`NumInputs`- - - - - -输入数
1(默认)|2

层的输入数，指定为1当EnableReferenceInput属性是假或2当EnableReferenceInput属性是真正的。

数据类型:双

`InputNames`- - - - - -输入名字
`{'在'}`(默认)|`{“在”,“ref”}`

输入图层的名称，指定为{'在'}当EnableReferenceInput属性是假或{“在”,“ref”}当EnableReferenceInput属性是真正的。

数据类型:细胞

`NumOutputs`- - - - - -输出数量
`1`(默认)

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

`OutputNames`- - - - - -输出的名字
`{“出”}`(默认)

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

创建2-D调整层指定比例因子

打开实时脚本

创建一个二维大小调整层，水平比例系数为2，垂直比例系数为4。

layer = resize2dLayer(“规模”(2 - 4))

layer = Resize2DLayer with properties: Name: " Scale: [2 4] OutputSize: [] EnableReferenceInput: 0 Method: 'nearest' GeometricTransformMode: 'half-pixel' NearestRoundingMode: 'round'状态参数无属性。显示所有属性

创建二维调整图层指定输出大小

打开实时脚本

创建一个二维调整图层，命名为resize224，输出大小为[224 224]。

layer = resize2dLayer(“OutputSize”(224 224),“名字”，“resize224”）

layer = Resize2DLayer with properties: Name: 'resize224' Scale: [] OutputSize: [224 224] EnableReferenceInput: 0 Method: 'nearest' GeometricTransformMode: 'half-pixel' NearestRoundingMode: 'round'状态参数无属性。显示所有属性

用参考端口创建二维调整层

这个例子使用:

打开实时脚本

创建一个层数组，其中包括一个接受参考输入特征映射的二维调整大小层。

layers = [imageInputLayer([32 32 3]，“名字”，“图像”) resize2dLayer (“EnableReferenceInput”,真的,“名字”，“调整”)]

1 'image'图像输入32x32x3图像与'zerocenter'归一化2 'resize'调整nnet.cnn.layer.Resize2DLayer

创建一个layerGraph。二维调整尺寸层的第一个输入自动连接到图像输入层的输出。

lgraph = layerGraph(layers);

连接“ref”将2-D调整层的输入转换为提供参考特征映射的层的输出connectLayers函数。这个例子展示了一个简单的连接，其中“ref”输入端也连接到图像输入层的输出端。

lgraph = connectLayers(lgraph，“图像”，“调整/ ref”）;

用双线性插值创建二维调整图层

打开实时脚本

创建一个名为rescale0.5的二维调整图层，统一的比例系数为0.5。指定插值方法为双线性插值。

layer = resize2dLayer(“规模”, 0.5,“方法”，双线性的，“名字”，“rescale0.5”）

layer = Resize2DLayer with properties: Name: 'rescale0.5' Scale: [0.5000 0.5000] OutputSize: [] EnableReferenceInput: 0 Method: 'bilinear' GeometricTransformMode: '半像素' NearestRoundingMode: 'round'状态参数无属性。显示所有属性

参考文献

[1]开放神经网络交换。https://github.com/onnx/。

[2]ONNX。https://onnx.ai/。

扩展功能

C/ c++代码生成
使用MATLAB®Coder™生成C和c++代码。

GPU代码生成
使用GPU Coder™为NVIDIA®GPU生成CUDA®代码。

版本历史

在R2020b中引入

全部展开

R2021a:金宝app支持调整数据大小以匹配特征映射

的resize2dLayerLayer现在支持将金宝app输入大小调整为连接到该层的第二个输入特征映射的大小。若要使用此调整大小模式，请指定EnableReferenceInput层的属性为真正的。

R2021a:生成CUDA代码使用GPU编码器

Resize2DLayer现在支持金宝app生成优化的CUDA^®代码(需要GPU Coder™)。

另请参阅

resize3dLayer|dlresize|averagePooling2dLayer(深度学习工具箱)|transposedConv2dLayer(深度学习工具箱)|importONNXLayers(深度学习工具箱)

主题

MATLAB中的深度学习(深度学习工具箱)
指定卷积神经网络的层(深度学习工具箱)
深度学习层列表(深度学习工具箱)

resize2dLayer

描述

创建

语法

描述

属性

调整

规模- - - - - -调整输入大小的比例因子正数的两元素行向量

OutputSize- - - - - -调整输入的输出大小正整数的2元行向量

EnableReferenceInput- - - - - -添加参考特征映射作为输入假或0|真正的或1

方法- - - - - -插值法“最近的”(默认)|双线性的

GeometricTransformMode- - - - - -几何变换方式“half-pixel”(默认)|“不对称”

NearestRoundingMode- - - - - -最近邻插值的舍入模式“圆”(默认)|“地板”|“onnx-10”

层

名字- - - - - -层的名字”(默认)|特征向量|字符串标量

NumInputs- - - - - -输入数1(默认)|2

InputNames- - - - - -输入名字{'在'}(默认)|{“在”,“ref”}

NumOutputs- - - - - -输出数量1(默认)

OutputNames- - - - - -输出的名字{“出”}(默认)

例子

创建2-D调整层指定比例因子

创建二维调整图层指定输出大小

用参考端口创建二维调整层

用双线性插值创建二维调整图层

参考文献

扩展功能

C/ c++代码生成使用MATLAB®Coder™生成C和c++代码。

GPU代码生成使用GPU Coder™为NVIDIA®GPU生成CUDA®代码。

版本历史

R2021a:金宝app支持调整数据大小以匹配特征映射

R2021a:生成CUDA代码使用GPU编码器

另请参阅

主题

`规模`- - - - - -调整输入大小的比例因子
正数的两元素行向量

`OutputSize`- - - - - -调整输入的输出大小
正整数的2元行向量

`EnableReferenceInput`- - - - - -添加参考特征映射作为输入
`假`或`0`|`真正的`或`1`

`方法`- - - - - -插值法
`“最近的”`(默认)|`双线性的`

`GeometricTransformMode`- - - - - -几何变换方式
`“half-pixel”`(默认)|`“不对称”`

`NearestRoundingMode`- - - - - -最近邻插值的舍入模式
`“圆”`(默认)|`“地板”`|`“onnx-10”`

`名字`- - - - - -层的名字
`”`(默认)|特征向量|字符串标量

`NumInputs`- - - - - -输入数
1(默认)|2

`InputNames`- - - - - -输入名字
`{'在'}`(默认)|`{“在”,“ref”}`

`NumOutputs`- - - - - -输出数量
`1`(默认)

`OutputNames`- - - - - -输出的名字
`{“出”}`(默认)

C/ c++代码生成
使用MATLAB®Coder™生成C和c++代码。

GPU代码生成
使用GPU Coder™为NVIDIA®GPU生成CUDA®代码。