globalmaxpooling2dlayer.

全局最大池化层

全部展开页面

描述

全局最大池化层通过计算输入的最大高度和宽度维度来执行向下采样。

层= globalMaxPooling2dLayer

层= globalMaxPooling2dLayer(“名字”,名称)

层= globalMaxPooling2dLayer创建一个全局最大池池。

层= globalMaxPooling2dLayer(名称,名称)设置可选的名字财产。

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被设定为＇＇，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

图层的输入数。这一层只接受单个输入。

数据类型:双

输入层名。这一层只接受单个输入。

数据类型:细胞

层输出的数量。这一层只有一个输出。

数据类型:双

图层的输出名称。这一层只有一个输出。

数据类型:细胞

打开直播脚本

创建一个全局最大池化层的名称“gmp1”．

层= globalMaxPooling2dLayer (“名字”，“gmp1”）

layer = GlobalMaxPooling2DLayer带有属性:Name: 'gmp1'

包含一个全局最大池化层层数组中。

层= [．．.imageInputLayer（[28 28 1]）卷积2dlayer（5,20）rellulayer globalmaxpooling2dlayer全连接leder（10）softmaxlayer classificationlayer]

层= 7 x1层与层:数组1”的形象输入28 x28x1图像zerocenter正常化2”卷积20 5 x5旋转步[1]和填充[0 0 0 0]3”ReLU ReLU 4”全球最大池全球最大池5“完全连接10完全连接层6”Softmax Softmax crossentropyex 7”分类输出

在图像分类网络中，可以使用globalmaxpooling2dlayer.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globalmaxpooling2dlayer.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globalAveragePooling2dLayer代替。是否globalAveragePooling2dLayer或者一个globalmaxpooling2dlayer.更合适取决于您的数据集。
要使用全局平均池代替完全连接的层，输入的大小globalmaxpooling2dlayer.必须匹配分类问题中的类数