Exponenta Banner

globalMaxPooling3dLayer

3-D глобальная переменная макс. объединение слоя

расширьте все на странице

Описание

3-D глобальная переменная макс. объединение слоя выполняет субдискретизацию путем вычисления максимума высоты, ширины и размерностей глубины входа.

Создание

Синтаксис

layer = globalMaxPooling3dLayer
layer = globalMaxPooling3dLayer('Name',name)

Описание

layer = globalMaxPooling3dLayer создает 3-D глобальную переменную макс. объединение слоя.

пример

layer = globalMaxPooling3dLayer('Name',name) устанавливает дополнительный Name свойство.

Свойства

развернуть все

Имя слоя в виде вектора символов или строкового скаляра. Чтобы включать слой в график слоев, необходимо задать непустое уникальное имя слоя. Если вы обучаете серийную сеть со слоем и Name установлен в '', затем программное обеспечение автоматически присваивает имя к слою в учебное время.

Типы данных: char | string

Количество входных параметров слоя. Этот слой принимает один вход только.

Типы данных: double

Введите имена слоя. Этот слой принимает один вход только.

Типы данных: cell

Количество выходных параметров слоя. Этот слой имеет один выход только.

Типы данных: double

Выведите имена слоя. Этот слой имеет один выход только.

Типы данных: cell

Функции объекта

Примеры

свернуть все

Скрипт Open Live Script

Создайте 3-D глобальную переменную макс. объединение слоя с именем 'gmp1'.

layer = globalMaxPooling3dLayer('Name','gmp1')
layer = 
  GlobalMaxPooling3DLayer with properties:

    Name: 'gmp1'

Включайте 3-D макс. слой объединения в Layer массив.

layers = [ ...
    image3dInputLayer([28 28 28 3])
    convolution3dLayer(5,20)
    reluLayer
    globalMaxPooling3dLayer
    fullyConnectedLayer(10)
    softmaxLayer
    classificationLayer]
layers = 
  7x1 Layer array with layers:

     1   ''   3-D Image Input          28×28×28×3 images with 'zerocenter' normalization
     2   ''   Convolution              20 5x5x5 convolutions with stride [1  1  1] and padding [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

Советы

  • В сети классификации изображений можно использовать globalMaxPooling3dLayer перед итоговым полносвязным слоем, чтобы уменьшать размер активаций, не жертвуя производительностью. Уменьшаемый размер активаций означает, что нисходящие полносвязные слоя будут иметь меньше весов, уменьшая размер вашей сети.

  • Можно использовать globalMaxPooling3dLayer к концу сети классификации вместо fullyConnectedLayer. Поскольку глобальные слои объединения не имеют никаких настраиваемых параметров, они могут быть менее подвержены сверхподбору кривой и могут уменьшать размер сети. Эти сети могут также быть более устойчивыми к пространственным переводам входных данных. Можно также заменить полносвязный слой на globalAveragePooling3dLayer вместо этого. Ли globalAveragPooling3dLayer или globalMaxPooling3dLayer является более соответствующим, зависит от вашего набора данных.

    Использовать глобальный средний слой объединения вместо полносвязного слоя, размера входа к globalMaxPooling3dLayer должен совпадать с количеством классов в проблеме классификации

Смотрите также

| | | |

Темы

Введенный в R2020a

Документация Deep Learning Toolbox
Поддержка