globalAveragePooling3dLayer
三维全球平均池化层
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
属性
例子
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
版本历史
R2019b引入