globalAveragePooling3dLayer

三维全局平均池层

全部展开页面

描述

三维全局平均池化层通过计算输入的高度、宽度和深度维度的平均值来执行下采样。

创建

语法

层= globalAveragePooling3dLayer

层= globalAveragePooling3dLayer(“名字”,名称)

描述

层= globalAveragePooling3dLayer创建一个三维全球平均池化层。

例子

层= globalAveragePooling3dLayer(名称,名称)设置可选的名字财产。

属性

全部展开

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

层名，指定为字符向量或字符串标量。若要在层图中包含层，必须指定非空的唯一层名。如果你用层和的名字设置为＇＇，然后软件在训练时自动为该层分配一个名称。

数据类型:字符|字符串

`NumInputs`- - - - - -输入数量
1(默认)

层的输入数。此层仅接受单个输入。

数据类型:双

`InputNames`- - - - - -输入名字
`{'在'}`(默认)

输入层名。这一层只接受单个输入。

数据类型:细胞

`NumOutputs`- - - - - -数量的输出
1(默认)

层输出的数量。这一层只有一个输出。

数据类型:双

`输出名称`- - - - - -输出的名字
`{“出”}`(默认)

输出图层的名称。该层只有一个输出。

数据类型:细胞

例子

全部折叠

创建3-D全局平均池层

打开实时脚本

创建一个名为的三维全局平均池层“gap1”．

层= globalAveragePooling3dLayer (“名字”，“gap1”）

layer = GlobalAveragePooling3DLayer，属性:Name: 'gap1'

包含一个三维全球平均池化层层数组中。

层= [．..image3dInputLayer([28 28 28 3])卷积3dlayer (5,20) reluLayer globalAveragePooling3dLayer fulllyconnectedlayer (10) softmaxLayer classificationLayer]

Layer = 7x1 Layer array with layers: 1 " 3-D Image Input 28x28x28x3 images with 'zerocenter' normalization 2 " Convolution 20 5x5x5卷积与stride[1 1 1]和填充[0 0 0;0 0 0] 3”ReLU ReLU 4”3- d Global Average Pooling 3- d Global Average Pooling 5”Fully Connected 10 Fully Connected layer 6”Softmax Softmax 7”Classification Output crossentropyex . 0 0 0

提示

在图像分类网络中，可以使用globalAveragePooling3dLayer在最终完全连接层之前，减少了活化的大小而不牺牲性能。激活的减小意味着下游完全连接层的权重更小，从而减小网络的规模。
你可以用globalAveragePooling3dLayer接近尾声的一个分类网络代替了一个fullyConnectedLayer．由于全局池化层没有可学习的参数，它们可以降低过拟合的可能性，并可以减少网络的规模。这些网络对于输入数据的空间转换也更健壮。你也可以用一个GlobalMapooling3Dlayer代替。是否GlobalMapooling3Dlayer或者一个globalAveragePooling3dLayer是否更合适取决于您的数据集。
要使用全局平均池层而不是完全连接的层，输入的大小globalAveragePooling3dLayer必须匹配分类问题中的类数