globalMaxPooling3dLayer

三维全局最大池化层

全部展开页面

描述

3-D全局最大池化层通过计算输入的最大高度、宽度和深度维度来执行向下采样。

创建

语法

层= globalMaxPooling3dLayer

层= globalMaxPooling3dLayer(“名字”,名称)

描述

层= globalMaxPooling3dLayer创建一个三维全局最大池化层。

例子

层= globalMaxPooling3dLayer(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被设置为＇＇，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。这一层只接受单个输入。

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

`OutputNames`- - - - - -输出的名字
`{“出”}`(默认)

输出层的名称。这一层只有一个输出。

数据类型:细胞

对象的功能

例子

全部折叠

创建3d全局最大池化层

打开生活的脚本

创建一个3-D全局最大池化层的名称“gmp1”．

层= globalMaxPooling3dLayer (“名字”，“gmp1”）

layer = GlobalMaxPooling3DLayer带有属性:Name: 'gmp1'

包含一个3d最大池化层层数组中。

层= [．..image3dInputLayer([28 28 28 3]) convolution3dLayer(5,20) reluLayer globalMaxPooling3dLayer 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 Max Pooling 3- d Global Max 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globalMaxPooling3dLayer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globalMaxPooling3dLayer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globalAveragePooling3dLayer代替。是否globalAveragPooling3dLayer或者一个globalMaxPooling3dLayer是否更合适取决于你的数据集。
要使用全局平均池化层而不是全连接层，输入的大小globalMaxPooling3dLayer必须匹配分类问题中的类数