过滤器的高度和宽度，指定为整数值或由两个整数值组成的向量。filterSize定义输入中神经元连接的局部区域的大小。

• 如果filterSize是标量值，则过滤器具有相同的高度和宽度。

• 如果filterSize是一个向量，那么它必须是[hw),h是高度和w是宽度。

例子:(5, 5)

数据类型:单|双

过滤器的数目，指定为整数值。numFilters表示卷积层中连接到输入中相同区域的神经元数量。该参数决定了卷积层输出中的通道(特征映射)的数量。

数据类型:单|双

垂直和水平遍历输入的步长，存储为两个标量值的向量，[vh),v是垂直跨步和吗h是水平步幅。

数据类型:双

垂直和水平方向应用于输入边界的零填充大小，存储为两个标量值的向量，[一个b]。

一个填充是否应用于顶部和底部b是应用于输入数据左右的填充。

数据类型:双

每个过滤器的通道数，存储为“汽车”或者一个整数值。

如果“NumChannels”是汽车，则软件在训练时间内推断出地图数量的正确值。

数据类型:双|字符

卷积层的权值，存储为aFilterSize (1)——- - - - - -FilterSize (2)——- - - - - -NumChannels——- - - - - -NumFilters矩阵。

数据类型:单

卷积层的偏差，存储为1 × 1 ×NumFilters矩阵。

数据类型:单

权重的学习率因子，存储为标量值。

软件将这个因子乘以全局学习率来确定这一层权重的学习率。例如，如果WeightLearnRateFactor= 2，则该层中权重的学习率是当前全局学习率的两倍。的设置来确定全局学习率trainingOptions函数。

数据类型:双

L2正则化因子的权重，存储为一个标量值。

软件将该因子与全局L2正则化因子相乘，以确定该层权重的学习率。例如，如果WeightL2Factor是2，那么这一层权值的L2正则化是全局L2正则化因子的两倍。属性指定全局L2正则化因子trainingOptions函数。

数据类型:双

偏差的学习率因子，存储为标量值。

软件将这个因素与全局学习率相乘，以确定这一层中偏差的学习率。例如，如果BiasLearnRateFactor是2，那么这一层偏差的学习率是当前全局学习率的两倍。的设置来确定全局学习率trainingOptions函数。

数据类型:双

L2正则化因子的偏差，存储为一个标量值。

软件将这个因子与全局L2正则化因子相乘，以确定这一层中偏差的学习率。例如，如果BiasL2Factor是2，那么这一层偏差的L2正则化是全局L2正则化因子的两倍。属性指定全局L2正则化因子trainingOptions函数。

数据类型:双

图层名称，由字符向量指定。如果名字设置为”，然后软件在训练时自动分配一个名称。

数据类型:字符