globalMaxPooling2dLayer

Глобальная переменная макс. объединение слоя

Описание

Глобальная переменная макс. объединение слоя выполняет субдискретизацию путем вычисления максимума размерностей высоты и ширины входа.

Создание

Описание

layer = globalMaxPooling2dLayer создает глобальную переменную макс. объединение слоя.

пример

layer = globalMaxPooling2dLayer('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

Создайте глобальную переменную макс. объединение слоя с именем 'gmp1'.

layer = globalMaxPooling2dLayer('Name','gmp1')
layer = 
  GlobalMaxPooling2DLayer with properties:

    Name: 'gmp1'

Включайте глобальную переменную макс. объединение слоя в Layer массив.

layers = [ ...
    imageInputLayer([28 28 1])
    convolution2dLayer(5,20)
    reluLayer
    globalMaxPooling2dLayer
    fullyConnectedLayer(10)
    softmaxLayer
    classificationLayer]
layers = 
  7x1 Layer array with layers:

     1   ''   Image Input             28x28x1 images with 'zerocenter' normalization
     2   ''   Convolution             20 5x5 convolutions with stride [1  1] and padding [0  0  0  0]
     3   ''   ReLU                    ReLU
     4   ''   Global Max Pooling      Global max pooling
     5   ''   Fully Connected         10 fully connected layer
     6   ''   Softmax                 softmax
     7   ''   Classification Output   crossentropyex

Советы

  • 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

Расширенные возможности

Генерация кода C/C++
Генерация кода C и C++ с помощью MATLAB® Coder™.

Генерация кода графического процессора
Сгенерируйте код CUDA® для NVIDIA® графические процессоры с помощью GPU Coder™.

Введенный в R2020a
Для просмотра документации необходимо авторизоваться на сайте