主要内容

crossChannelNormalizationLayer

信道局部响应归一化层

展开全部页面

描述

信道局部响应(跨信道)归一层执行信道归一化。

创建

语法

层= crossChannelNormalizationLayer(windowChannelSize)
crossChannelNormalizationLayer(windowChannelSize,Name,Value)

描述

层= crossChannelNormalizationLayer (windowChannelSize）创建按通道的本地响应规范化层并设置WindowChannelSize财产。

例子

层= crossChannelNormalizationLayer (windowChannelSize，名称,值）设置可选属性WindowChannelSize，α，β，K,的名字使用名称-值对。例如,crossChannelNormalizationLayer(5“K”1)创建一个本地响应规范化层，用于按通道进行规范化，窗口大小为5和Khyperparameter 1。可以指定多个名称-值对。将每个属性名用单引号括起来。

属性

全部展开

横跨海峡的正常化

通道窗口的大小，它控制用于规范化每个元素的通道数量，指定为正整数。

如果WindowChannelSize是偶数，那么窗口是不对称的。软件会查看之前的数据地板((w1) / 2)渠道和以下内容地板(w / 2)频道。例如，如果WindowChannelSize为4时，则该层通过其前一个通道中的邻居和后两个通道中的邻居对每个元素进行归一化。

例子:5

α归一化中的超参数(乘数项)，指定为数值标量。

例子:0.0002

β归一化中的超参数，指定为数值标量。的价值β必须大于或等于0.01。

例子:0.8

K归一化中的超参数，指定为数值标量。的价值K必须大于等于105．

例子:2.5

层

层名，指定为字符向量或字符串标量。为层数组输入时，trainNetwork，assembleNetwork，layerGraph,dlnetwork函数自动为具有name的层分配名称”．

数据类型:字符|字符串

此属性是只读的。

该层的输入数量。该层只接受单个输入。

数据类型:双

此属性是只读的。

输入层的名称。该层只接受单个输入。

数据类型:细胞

此属性是只读的。

层的输出数量。这个图层只有一个输出。

数据类型:双

此属性是只读的。

输出层的名称。这个图层只有一个输出。

数据类型:细胞

例子

全部折叠

打开实时脚本

创建一个本地响应规范化层，用于按通道进行规范化，其中一个由五个通道组成的窗口对每个元素进行规范化，并为规范化器创建附加常数 K 是1。

层= crossChannelNormalizationLayer(5，“K”, 1)
层= CrossChannelNormalizationLayer属性:名称:"超参数WindowChannelSize: 5 Alpha: 1.0000 -04 Beta: 0.7500 K: 1

类中包含本地响应规范化层层数组中。

层= [.．.imageInputLayer([28 28 1]) convolution2dLayer(5,20) relullayer crossChannelNormalizationLayer(3) fullyConnectedLayer(10) softmaxLayer classificationLayer]
2 " Convolution 20 5x5 convolutions with stride [1 1] and padding [0 0 0 0 0] 3 " ReLU ReLU 4 " Cross Channel normalization Cross Channel normalization with 3 Channel每个元素5 " Fully Connected 10 Fully Connected Layer 6 " Softmax Softmax 7 " Classification Output crossentropyex

限制

  • 此层不支持3-D图像输入或矢量序列输入。金宝app

更多关于

全部展开

参考文献

[1]克里日夫斯基，A. I.萨茨科弗，G. E.辛顿。深度卷积神经网络的ImageNet分类神经信息处理系统研究进展．2012年第25卷。

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R2016a中引入

另请参阅

||

主题