В сети классификации изображений можно использовать globalMaxPooling2dLayer перед итоговым полносвязным слоем, чтобы уменьшать размер активаций, не жертвуя эффективностью. Уменьшаемый размер активаций означает, что нисходящие полносвязные слоя будут иметь меньше весов, уменьшая размер вашей сети.

Можно использовать globalMaxPooling2dLayer 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 globalAveragePooling2dLayer вместо этого. Ли globalAveragePooling2dLayer или globalMaxPooling2dLayer является более соответствующим, зависит от вашего набора данных.

Использовать глобальный средний слой объединения вместо полносвязного слоя, размера входа к globalMaxPooling2dLayer должен совпадать с количеством классов в проблеме классификации