averagePooling2dLayer
平均池层
描述
二维平均池层执行downsampling除以输入矩形池区域,然后计算每个区域的平均值。
创建
描述
输入参数
使用逗号分隔的名称-值对参数来指定大小的补零添加沿着边缘层的输入或设置步
和的名字
属性。在单引号附上名字。
例子:averagePooling2dLayer(2步,2)
创建一个平均池层与池的大小(2 - 2)
和步(2 - 2)
。
填充
- - - - - -输入边缘填充
[0 0 0 0]
(默认)|向量的非负整数|“相同”
输入边缘填充,指定为逗号分隔组成的“填充”
这些值之一:
“相同”
——添加填充大小计算软件的培训或预测时间,输出具有相同的大小作为输入时,步幅等于1。如果跨越大于1,那么输出大小装天花板(inputSize /步)
,在那里inputSize
的高度或宽度输入和步
在相应的维度是进步。软件增加了相同数量的顶部和底部填充,和左和右,如果可能的话。如果必须添加垂直的填充一个奇怪的价值,那么软件添加额外的衬垫底部。如果必须添加的填充水平有一个奇怪的价值,然后软件添加额外的填充。非负整数
p
——添加填充的大小p
所有输入的边缘。向量
[b]
非负整数的加衬垫的大小一个
顶部和底部的输入和衬垫的大小b
左和右。向量
[t b l r]
非负整数的加衬垫的大小t
前,b
底部,l
向左,r
右边的输入。
例子:“填充”,1
添加一行的顶部和底部填充,和一列填充左边和右边的输入。
例子:“填充”,“相同”
添加填充,这样输出具有相同的大小作为输入(如果步幅等于1)。
属性
平均分担
PoolSize
- - - - - -池区域的尺寸
向量的两个正整数
维度的池区域,指定为一个向量的两个正整数[w h]
,在那里h
是身高和w
是宽度。创建层时,您可以指定PoolSize
作为一个两维标量使用相同的值。
如果跨维度步
不到各自的池尺寸,然后池区域重叠。
填充的维度PaddingSize
必须小于池地区维度PoolSize
。
例子:(2 - 1)
指定池地区高度2和宽度1。
步
- - - - - -步长为遍历输入
[1]
(默认)|向量的两个正整数
步长为遍历输入垂直和水平两个正整数的指定为一个向量[b]
,在那里一个
垂直步长和吗b
是水平的步长。创建层时,您可以指定步
作为一个两维标量使用相同的值。
如果跨维度步
不到各自的池尺寸,然后池区域重叠。
填充的维度PaddingSize
必须小于池地区维度PoolSize
。
例子:3 [2]
指定一个垂直的步长2和3的水平步长。
PaddingSize
- - - - - -大小的填充
[0 0 0 0]
(默认)|向量的四个非负整数
大小的衬垫适用于输入边界,指定为一个向量[t b l r]
四个非负整数,t
填充应用于顶部,b
填充应用于底部,l
是填充应用到左边,r
向右填充应用。
当您创建一个层,使用“填充”
名称-值对参数来指定填充大小。
例子:[1 1 2 2]
添加一行的顶部和底部填充,和两列填充左边和右边的输入。
PaddingMode
- - - - - -方法来确定填充大小
“手动”
(默认)|“相同”
方法来确定填充大小,指定为“手动”
或“相同”
。
软件自动设置的值PaddingMode
基于“填充”
值指定在创建一个层。
如果你设置
“填充”
选择一个标量或矢量的非负整数,那么软件自动设置PaddingMode
来“手动”
。如果你设置
“填充”
选项“相同”
,那么软件自动设置PaddingMode
来“相同”
和计算填充在训练时间的大小,输出具有相同的大小作为输入时,步幅等于1。如果跨越大于1,那么输出大小装天花板(inputSize /步)
,在那里inputSize
的高度或宽度输入和步
在相应的维度是进步。软件增加了相同数量的顶部和底部填充,和左和右,如果可能的话。如果必须添加垂直的填充一个奇怪的价值,那么软件添加额外的衬垫底部。如果必须添加的填充水平有一个奇怪的价值,然后软件添加额外的填充。
PaddingValue
- - - - - -输入值用来垫
0
(默认)|“的意思是”
用来垫输入值,指定为0
或“的意思是”
。
当你使用填充
输入选项添加填充,填充的值应用可以是下列之一:
0
——输入与零填充在指定的位置填充
财产。填充区域是包含在计算平均值的池沿边缘地区。“的意思是”
——输入填充池区域的均值在指定的位置填充
选择。填充区域是有效地排除在计算每个池区域的平均值。
填充
- - - - - -大小的填充
[0 0]
(默认)|向量的两个非负整数
请注意
填充
财产将在未来的版本中被删除。使用PaddingSize
代替。当创建一个层,使用“填充”
名称-值对参数来指定填充大小。
大小的衬垫适用于输入垂直和水平边界,指定为一个向量[b]
两个非负整数,一个
填充应用于输入数据和顶部和底部b
填充用于左和右。
例子:[1]
添加一行的顶部和底部填充,和一列填充左边和右边的输入。
层
的名字
- - - - - -层的名字
”
(默认)|特征向量|字符串标量
图层名称,指定为一个特征向量或字符串标量。为层
数组输入,trainNetwork
,assembleNetwork
,layerGraph
,dlnetwork
函数自动分配名称层的名称”
。
数据类型:字符
|字符串
NumInputs
- - - - - -输入数量
1
(默认)
这个属性是只读的。
输入层的数量。这一层只接受一个输入。
数据类型:双
InputNames
- - - - - -输入名字
{"在"}
(默认)
这个属性是只读的。
输入层的名称。这一层只接受一个输入。
数据类型:细胞
NumOutputs
- - - - - -数量的输出
1
(默认)
这个属性是只读的。
输出层的数量。这一层只有一个输出。
数据类型:双
OutputNames
- - - - - -输出的名字
{“出”}
(默认)
这个属性是只读的。
输出层的名称。这一层只有一个输出。
数据类型:细胞
例子
创建平均池层
创建池平均层的名字“avg1”
。
层= averagePooling2dLayer (2“名字”,“avg1”)
层= AveragePooling2DLayer属性:名称:‘avg1 Hyperparameters PoolSize:[2 2]大步:[1]PaddingMode:“手动”PaddingSize: [0 0 0 0] PaddingValue: 0
包括平均池层中层
数组中。
层= […imageInputLayer([1] 28日28日)convolution2dLayer (5、20) reluLayer averagePooling2dLayer (2) fullyConnectedLayer (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”二维卷积20 5 x5旋转步[1]和填充[0 0 0 0]3”ReLU ReLU 4”二维平均池2 x2平均池与步幅[1]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
创建池层平均不重叠的集中地区
创建池层平均不重叠的集中地区。
层= averagePooling2dLayer (2“步”,2)
层= AveragePooling2DLayer属性:名称:“Hyperparameters PoolSize:[2 2]大步:[2 2]PaddingMode:“手动”PaddingSize: [0 0 0 0] PaddingValue: 0
高度和宽度的矩形区域(池大小)都是2。池区域不重叠,因为遍历图像垂直和水平方向的步长(步)也是2。
包括平均池层与不重叠的区域层
数组中。
层= […imageInputLayer([1] 28日28日)convolution2dLayer (5、20) reluLayer averagePooling2dLayer (2“步”,2)fullyConnectedLayer (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”二维卷积20 5 x5旋转步[1]和填充[0 0 0 0]3”ReLU ReLU 4”二维平均池2 x2平均池步(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
创建平均池层重叠的集中地区
创建池平均层重叠的集中地区。
2层= averagePooling2dLayer ([3],“步”,2)
层= AveragePooling2DLayer属性:名称:“Hyperparameters PoolSize: 2[3]大步:[2 2]PaddingMode:“手动”PaddingSize: [0 0 0 0] PaddingValue: 0
这一层创建池区域的大小(3 - 2),每个地区的六个元素的平均值。因为池区域重叠步
包括尺寸小于相应的池尺寸PoolSize
。
包括平均池层重叠的池地区层
数组中。
层= […imageInputLayer([1] 28日28日)convolution2dLayer (5、20) reluLayer averagePooling2dLayer (2 [3],“步”,2)fullyConnectedLayer (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”二维卷积20 5 x5旋转步[1]和填充[0 0 0 0]3”ReLU ReLU 4”二维平均池3 x2平均池步(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
算法
二维平均池层
二维平均池层执行downsampling除以输入矩形池区域,然后计算每个区域的平均值。
层池的尺寸取决于层输入:
对二维图像的输入(数据与在两维空间,四维空间对应像素的渠道,和观察),在空间维度层池。
对于二维图像序列输入(数据与五个维度对应像素在两个空间维度,通道,观察,和时间步长),在空间维度层池。
对于一维图像序列输入(数据与四维对应像素在一个空间维度,通道,观察,和时间步长),在空间和时间维度层池。
层的输入和输出格式
层一层一层数组或图后续层传递数据格式化dlarray
对象。的格式dlarray
对象是一个字符串,其中每个字符描述相应的维度的数据。这些字符的格式由一个或多个:
“S”
——空间“C”
——频道“B”
——批“T”
——时间“U”
——未指明的
例如,二维图像数据表示成一个四维数组,第一个二维对应于图像的空间维度,第三维对应于图像的通道,第四个维度对应批维度,可以被描述为有格式“SSCB”
(空间、空间、通道、批)。
你可以与这些交互dlarray
对象等自动分化工作流开发一个自定义图层,使用functionLayer
对象,或使用向前
和预测
功能与dlnetwork
对象。
此表显示了支持输入格式万博1manbetxAveragePooling2DLayer
对象和相应的输出格式。如果输出层的传递给一个定制的层不继承nnet.layer.Formattable
类,或FunctionLayer
对象的Formattable
属性设置为0
(假),然后层接收未格式化dlarray
对象的尺寸要求相应的这个表的格式。
输入格式 | 输出格式 |
---|---|
|
|
|
|
|
|
|
|
在dlnetwork
对象,AveragePooling2DLayer
对象也支持这些输入和输出格万博1manbetx式的组合。
输入格式 | 输出格式 |
---|---|
|
|
|
|
|
|
|
|
|
|
引用
[1]Nagi, J。,F. Ducatelle, G. A. Di Caro, D. Ciresan, U. Meier, A. Giusti, F. Nagi, J. Schmidhuber, L. M. Gambardella. ''Max-Pooling Convolutional Neural Networks for Vision-based Hand Gesture Recognition''.IEEE国际会议在信号和图像处理应用程序(ICSIPA2011),2011年。
扩展功能
C / c++代码生成
生成C和c++代码使用MATLAB®编码器™。
使用笔记和限制:
代码生成,不依赖于第三方库可以使用
“的意思是”
为PaddingValue
财产。使用第三方库,如代码生成
MKL-DNN
臂计算不支持平均值填充。万博1manbetx对于仿真万博1manbetx软件®模型,实现深度学习功能使用MATLAB函数块,模拟错误如果网络包含平均池层与非零填充的值。在这种情况下,使用的块深层神经网络图书馆,而不是MATLAB函数实现深度学习的功能。
GPU的代码生成
生成NVIDIA的CUDA®代码®GPU使用GPU编码器™。
使用笔记和限制:
使用第三方库,如代码生成
cuDNN
臂计算不支持零填充的值。万博1manbetx使用仿真万博1manbetx软件模型,实现深度学习功能MATLAB函数块,模拟错误如果网络包含平均池层与非零填充的值。在这种情况下,使用的块深层神经网络图书馆,而不是MATLAB函数实现深度学习的功能。
版本历史
介绍了R2016a
MATLAB命令
你点击一个链接对应MATLAB命令:
运行该命令通过输入MATLAB命令窗口。Web浏览器不支持MATLAB命令。万博1manbetx
你也可以从下面的列表中选择一个网站:
表现最好的网站怎么走吗
选择中国网站(中文或英文)最佳站点的性能。其他MathWorks国家网站不优化的访问你的位置。