主要内容

globalAveragePooling3dLayer

三维全球平均池化层

展开全部页面

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。

层池的尺寸取决于层输入:

  • 对于3-D图像输入(5维数据，对应于3个空间维度中的像素、通道和观测值)，该层在空间维度上进行池化。

  • 对于三维图像序列输入(六个维度的数据对应于三维空间维度的像素、通道、观测值和时间步长)，该层在空间维度上进行池化。

  • 对于2-D图像序列输入(5维数据，对应于两个空间维度的像素，通道，观测值和时间步长)，该层在空间和时间维度上进行池化。

创建

语法

layer = globalAveragePooling3dLayer
图层= globalAveragePooling3dLayer('Name'， Name)

描述

层= globalAveragePooling3dLayer创建一个三维全局平均池层。

例子

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

属性

全部展开

层名，指定为字符向量或字符串标量。为层数组输入时，trainNetwork，assembleNetwork，layerGraph,dlnetwork函数自动为具有该名称的层分配名称”．

数据类型:字符|字符串

此属性是只读的。

该层的输入数量。该层只接受单个输入。

数据类型:双

此属性是只读的。

输入层的名称。该层只接受单个输入。

数据类型:细胞

此属性是只读的。

层的输出数量。这个图层只有一个输出。

数据类型:双

此属性是只读的。

输出层的名称。这个图层只有一个输出。

数据类型:细胞

例子

全部折叠

打开实时脚本

创建一个三维全局平均池层“gap1”．

层= globalAveragePooling3dLayer(“名字”，“gap1”）
层= GlobalAveragePooling3DLayer与属性:名称:'gap1'

中包含一个三维全局平均池层层数组中。

层= [.．.image3dInputLayer([28 28 28 3]) convolution3dLayer(5,20) reluLayer globalAveragePooling3dLayer fullyConnectedLayer(10) softmaxLayer classificationLayer]
2 " 3-D Convolution 20 5x5x5 convolutions with stride [1 1 1 1] and padding [0 0 0;0 0 0] 3 " ReLU ReLU 4 " 3- d全局平均池3- d全局平均池5 "全连接10全连接层6 " Softmax Softmax 7 "分类输出

提示

  • 在图像分类网络中，您可以使用globalAveragePooling3dLayer最后在全连接层之前减少激活的大小而不牺牲性能。激活大小的减小意味着下游全连接层的权重将更少，从而减小网络的大小。

  • 你可以使用globalAveragePooling3dLayer朝向末端的分类网络而不是fullyConnectedLayer．由于全局池化层没有可学习的参数，因此它们不太容易过拟合，并且可以减小网络的大小。这些网络对于输入数据的空间转换也更加健壮。也可以用globalMaxPooling3dLayer代替。是否globalMaxPooling3dLayer或者一个globalAveragePooling3dLayer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，全局平均池化层输入的通道数量必须与分类任务中的类数量匹配。

算法

全部展开

版本历史

R2019b引入

另请参阅

||||

主题