主要内容

resize2dLayer

二维调整层

自从R2020b

扩展所有的页面

描述

一层二维调整尺寸的二维输入比例因子,指定高度和宽度,或参考输入特性图的大小。使用这一层需要深度学习工具箱™。

创建

语法

层= resize2dLayer(“规模”,规模)
层= resize2dLayer (OutputSize, OutputSize)
层= resize2dLayer (EnableReferenceInput, tf)
层= resize2dLayer (___、名称、值)

描述

例子

层= resize2dLayer(“规模”,规模)创建一个二维调整层,设置规模属性指定的比例因子规模。

例子

层= resize2dLayer (“OutputSize”,outputSize)创建一个二维调整层,设置OutputSize属性指定的高度和宽度outputSize。

例子

层= resize2dLayer (EnableReferenceInput, tf)创建一个二维调整层,设置EnableReferenceInput属性指定的布尔特遣部队。当你指定值真正的层增加了一个额外的输入,接受一个参考特性图和尺寸大小的输入参考特征的地图。

例子

层= resize2dLayer (___,名称,值)设置可选方法,GeometricTransformMode,NearestRoundingMode,的名字使用名称-值对参数属性。您可以指定多个参数名称-值对。在单引号附上每个属性的名字。

例子:层= resize2dLayer (“OutputSize”,(128 128),“方法”,“双线性”)创建一个二维调整层,调整输入,使用双线性插值128————128像素

属性

全部展开

调整

比例因子来调整输入,指定为2-element正数的行向量。行和列的规模因素维度,分别。创建层时,您可以指定规模作为一个两维标量使用相同的值。

指定的缩放输入,输出尺寸2-element行向量的正整数的形式nrowsncols]。您可以指定一个元素作为南,在这种情况下,层计算值自动保存输入的长宽比。

添加引用特性图作为输入层,指定为一个数字或逻辑0(假)或1(真正的)。当你指定值真正的、层的高度和宽度调整大小的输入匹配的高度和宽度的参考特征映射。不改变调整操作的输入通道的数量。

启用一个引用特性映射时,输入层有名字“三机”和“ref”,在那里“ref”是特征映射的名称引用。使用输入名称当连接或断开层使用connectLayers(深度学习工具箱)或disconnectLayers(深度学习工具箱)。

插值方法,指定为“最近的”最近邻插值或双线性的双线性插值。

几何变换模式映射点从输入空间到输出空间,指定为“half-pixel”或“不对称”。

舍入为最近邻插值模式,指定为以下之一。

  • “圆”——使用相同的舍入行为MATLAB®轮函数。

  • “地板”——使用相同的舍入行为MATLAB地板上函数。

  • “onnx-10”——复制的调整行为ONNX™(打开神经网络交换)opset 10调整算子。

该属性时是有效的方法属性是“最近的”。

层

图层名称,指定为一个特征向量或字符串标量。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)函数自动分配名称层的名称”。

数据类型:字符|字符串

输入层的数量,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

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

数据类型:细胞

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:双

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

打开生活的脚本

创建一个二维水平比例因子的调整层2和4的垂直比例因子。

层= resize2dLayer (“规模”(2 - 4))
层= Resize2DLayer属性:名称:“规模:[2 - 4]OutputSize: [] EnableReferenceInput: 0方法:“最近”GeometricTransformMode:“half-pixel”NearestRoundingMode:“圆”可学的参数没有属性。状态参数没有属性。显示所有属性
打开生活的脚本

创建一个二维调整图层命名为“resize224”的输出尺寸(224 224)。

层= resize2dLayer (“OutputSize”(224 224),“名字”,“resize224”)
层= Resize2DLayer属性:名称:“resize224”规模:[]OutputSize: 224年[224]EnableReferenceInput: 0方法:“最近”GeometricTransformMode:“half-pixel”NearestRoundingMode:“圆”可学的参数没有属性。状态参数没有属性。显示所有属性

这个示例使用:

打开生活的脚本

层的创建一个数组,包括一个二维调整层,接受一个参考输入特性图。

层= [imageInputLayer ([32 32 3],“名字”,“图像”)resize2dLayer (“EnableReferenceInput”,真的,“名字”,“调整”)]
层= 2 x1层与层:数组1图像的图像输入32 x32x3图片2的zerocenter正常化调整nnet.cnn.layer.Resize2DLayer“调整”

创建一个layerGraph。第一个输入二维调整层的自动连接到输出图像的输入层。

lgraph = layerGraph(层);

连接“ref”输入输出的二维调整层的一层,它提供了一个参考功能通过使用地图connectLayers函数。这个例子显示了一个简单的连接“ref”输入连接到输出图像的输入层。

lgraph = connectLayers (lgraph,“图像”,“调整/ ref”);
打开生活的脚本

创建一个二维调整图层命名为“rescale0.5”统一的比例因子为0.5。指定与双线性插值插值法。

层= resize2dLayer (“规模”,0.5,“方法”,双线性的,“名字”,“rescale0.5”)
层= Resize2DLayer属性:名称:“rescale0.5”规模:[0.5000 - 0.5000]OutputSize: [] EnableReferenceInput: 0方法:双线性的GeometricTransformMode:“half-pixel”NearestRoundingMode:“圆”可学的参数没有属性。状态参数没有属性。显示所有属性

引用

[1]打开神经网络交换。https://github.com/onnx/。

[2]ONNX。https://onnx.ai/。

扩展功能

C / c++代码生成
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R2020b

全部展开

另请参阅

||(深度学习工具箱)|(深度学习工具箱)|(深度学习工具箱)

主题