主要内容

maxPooling2dLayer

马克斯池层

全部展开页面

描述

最大池层通过将输入划分为矩形池区域来执行下采样，并计算每个区域的最大值。

创建

语法

层= maxPooling2dLayer (poolSize)
层= maxPooling2dLayer（poolSize，名称，值）

描述

层= maxPooling2dLayer (poolSize）创建一个最大池化层并设置池化财产。

例子

层= maxPooling2dLayer (poolSize，名称,值）设置可选步，的名字,HasUnpoolingOutputs使用名称-值对的属性。要指定输入填充，使用'填充'名称-值对的论点。例如,maxPooling2dLayer(2步,3)创建一个最大池大小的池层(2 - 2)和步[3 3]．可以指定多个名称-值对。将每个属性名用单引号括起来。

输入参数

展开全部

名称-值对的观点

使用逗号分隔的名称-值对参数指定要沿层输入的边缘添加的填充的大小，并设置步，的名字,HasUnpoolingOutputs属性。将名字用单引号括起来。

例子：maxPooling2dLayer(2步,3)创建一个最大池大小的池层(2 - 2)和步[3 3]．

输入边填充，指定为逗号分隔对，由'填充'其中一个价值观是:

  • “相同”-增加软件在训练或预测时计算的大小填充，使步幅等于1时输出的大小与输入的大小相同。如果步幅大于1，则输出大小为装天花板(inputSize /步)， 在哪里输入是输入的高度还是宽度步是在相应的尺寸的步幅。该软件添加填充相同数量的顶部和底部，左，右，如果可能的话。如果必须垂直添加填充有奇数值，那么该软件添加额外填充底部。如果必须水平添加填充有奇数值，那么该软件添加额外填充的权利。

  • 非负整数p-添加大小填充p到输入的所有边。

  • 向量[b]非负整数 - 新增大小的填充一个到输入的顶部和底部和尺寸的填充b左，右。

  • 向量[t b l r]非负整数 - 新增大小的填充t前,b底部,l左边，还有r在输入的右边。

例子：“填充”,1在输入的顶部和底部添加一行填充，并在输入的左侧和右侧添加一列填充。

例子：“填充”,“相同”添加填充，使得输出的大小与输入相同（如果步幅等于1）。

属性

展开全部

最大池

池区域的维数，指定为两个正整数的向量[w h]， 在哪里h是高度和w是宽度。在创建图层时，可以指定池化作为标量，对两个维度使用相同的值。

如果步幅尺寸步是小于相应池的尺寸，然后将汇集区域重叠。

填充的维度PaddingSize必须小于该池区域尺寸池化．

例子：(2 - 1)指定高度2和宽度1的池区域。

用于垂直和水平穿过所述输入步长大小，指定为两个正整数的向量[b]， 在哪里一个垂直步长和b为水平步长。在创建图层时，可以指定步作为标量，对两个维度使用相同的值。

如果步幅尺寸步是小于相应池的尺寸，然后将汇集区域重叠。

填充的维度PaddingSize必须小于该池区域尺寸池化．

例子：3 [2]指定垂直步长为2，水平步长为3。

应用于输入边框的填充大小，指定为矢量[t b l r]四个非负整数，其中t是应用于顶部的填充，b是底部的填充物，l填充是否应用于左侧，和r是应用到右边的填充。

当你创建一个图层时，使用'填充'参数的名称-值对指定填充大小。

例子：[1 1 2 2]添加填充的一行到顶部和底部，以及填充的两列的左侧和右侧的输入的。

确定填充大小的方法，指定为“手动”或“相同”．

软件会自动设置值PaddingMode基于这一点'填充'在创建图层时指定的值。

  • 如果你设置'填充'选项为标量或非负整数向量，则软件自动设置PaddingMode来“手动”．

  • 如果你设置'填充'选择“相同”，则软件自动设定PaddingMode来“相同”并计算训练时填充的大小，使stride等于1时输出的大小与输入的大小相同。如果步幅大于1，则输出大小为装天花板(inputSize /步)， 在哪里输入是输入的高度还是宽度步是在相应的尺寸的步幅。该软件添加填充相同数量的顶部和底部，左，右，如果可能的话。如果必须垂直添加填充有奇数值，那么该软件添加额外填充底部。如果必须水平添加填充有奇数值，那么该软件添加额外填充的权利。

请注意

填充财产将在将来的释放中删除。用PaddingSize代替。当创建一个图层时，使用'填充'参数的名称-值对指定填充大小。

要应用于垂直和水平输入边框的填充大小，指定为矢量[b]两个非负整数，其中一个填充是否应用于输入数据的顶部和底部b是应用于左边和右边的填充。

例子：[1]在输入的顶部和底部添加一行填充，并在输入的左侧和右侧添加一列填充。

标志输出到unpooling层，指定为真正的或假．

如果HasUnpoolingOutputs值=假，则最大池化层有一个带有名称的输出“出”．

要使用最大池层作为输入的输出到最大值unpooling层，设置HasUnpoolingOutputs价值真正的．在这种情况下，最大池化层有两个额外的输出，你可以连接到最大非池化层:

  • '索引'—每个池区域的最大值指标。

  • “大小”—输入特征图的大小。

要使输出到最大非池层，最大池层的池区域必须是不重叠的。

有关如何unpool一个最大池层的输出的更多信息，请参阅maxUnpooling2dLayer．

层

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:char|字符串

图层的输入数。这一层只接受单个输入。

数据类型:双倍的

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。

如果HasUnpoolingOutputs值=假，则最大池化层有一个带有名称的输出“出”．

要使用最大池层作为输入的输出到最大值unpooling层，设置HasUnpoolingOutputs价值真正的．在这种情况下，最大池化层有两个额外的输出，你可以连接到最大非池化层:

  • '索引'—每个池区域的最大值指标。

  • “大小”—输入特征图的大小。

要使输出到最大非池层，最大池层的池区域必须是不重叠的。

有关如何unpool一个最大池层的输出的更多信息，请参阅maxUnpooling2dLayer．

数据类型:双倍的

输出层的名称。

如果HasUnpoolingOutputs值=假，则最大池化层有一个带有名称的输出“出”．

要使用最大池层作为输入的输出到最大值unpooling层，设置HasUnpoolingOutputs价值真正的．在这种情况下，最大池化层有两个额外的输出，你可以连接到最大非池化层:

  • '索引'—每个池区域的最大值指标。

  • “大小”—输入特征图的大小。

要使输出到最大非池层，最大池层的池区域必须是不重叠的。

有关如何unpool一个最大池层的输出的更多信息，请参阅maxUnpooling2dLayer．

数据类型:细胞

例子

全部折叠

打开生活的脚本

创建一个最大池化层，不重叠池化区域。

层= maxPooling2dLayer（2，“步”2）
层= MaxPooling2DLayer与属性：名称： '' HasUnpoolingOutputs：0 NumOutputs：1个OutputNames：{ '出'}超参数PoolSize：[2 2]步幅：[2 2] PaddingMode： '手动' PaddingSize：[0 0 0 0]

的高度和矩形区域（池大小）的宽度均为2.汇集区域不重叠，因为用于垂直和水平（步幅）遍历图像的步长大小还(2 - 2)．

包含一个最大池化层与非重叠区域层数组中。

层= [..．imageInputLayer([28 28 1])卷积2dlayer (5,20) reluLayer maxPooling2dLayer(2, 20)“步”，2) fulllyconnectedlayer (10) softmaxLayer classifier]
图层数组: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”马克斯池2 x2马克斯池步(2 - 2)和填充[0 0 0 0]5“完全连接10完全连接层6”Softmax Softmax crossentropyex 7”分类输出
打开生活的脚本

创建一个最大池化层与重叠池区域。

layer = maxPooling2dLayer([3 2]，“步”2）
layer = MaxPooling2DLayer with properties: Name: " HasUnpoolingOutputs: 0 NumOutputs: 1 OutputNames: {'out'} Hyperparameters PoolSize: [3 2] Stride: [2 2] PaddingMode: 'manual' PaddingSize: [0 0 0 0]

这一层创建大小为[3 2]的池化区域，并取每个区域中6个元素的最大值。池域重叠是因为有步幅步是小于相应池尺寸池化．

包含一个最大池化层与重叠池化区域层数组中。

层= [..．imageInputLayer([28 28 1])卷积2dlayer (5,20) reluLayer maxPooling2dLayer([3 2]，“步”，2) fulllyconnectedlayer (10) softmaxLayer classifier]
图层数组: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”马克斯池3 x2马克斯池步(2 - 2)和填充[0 0 0 0]5“完全连接10完全连接层6”Softmax Softmax crossentropyex 7”分类输出

更多关于

展开全部

参考

Nagi, J.， F. Ducatelle, G. A. Di Caro, D. Ciresan, U. Meier, A. Giusti, F. Nagi, J. Schmidhuber, L. M. Gambardella。基于视觉的手势识别的最大池卷积神经网络。IEEE国际会议信号与图像处理应用程序（ICSIPA2011），2011年。

扩展功能

C / C ++代码生成
使用MATLAB®Coder™生成C和c++代码。

GPU的代码生成
使用GPU Coder™为NVIDIA®GPU生成CUDA®代码。

另请参阅

|||

主题

介绍了R2016a

深度学习工具箱文档

万博1manbetx

与Matlab引入深度学习

与Matlab引入深度学习

下载电子书