Входной слой 3-D изображения
Входной слой 3-D изображения вводит 3-D изображения или объемы к сети и применяет нормализацию данных.
Для 2D входа изображений используйте imageInputLayer
.
возвращает входной слой 3-D изображения и задает layer
= image3dInputLayer(inputSize
)InputSize
свойство.
устанавливает дополнительные свойства с помощью пар "имя-значение". Можно задать несколько пар "имя-значение". Заключите каждое имя свойства в одинарные кавычки.layer
= image3dInputLayer(inputSize
,Name,Value
)
InputSize
— Размер входаРазмер входных данных в виде вектора-строки из целых чисел [h w d c]
, где h
W
D
, и c
соответствуйте высоте, ширине, глубине и количеству каналов соответственно.
Для полутонового входа задайте вектор с c
равняйтесь 1
.
Для входа RGB задайте вектор с c
равняйтесь 3
.
Для многоспектрального или гиперспектрального входа задайте вектор с c
равняйтесь количеству каналов.
Для 2D входа изображений используйте imageInputLayer
.
Пример:
[132 132 116 3]
Normalization
— Нормализация данных'zerocenter'
(значение по умолчанию) | 'zscore'
| 'rescale-symmetric'
| 'rescale-zero-one'
| 'none'
| указатель на функциюНормализация данных, чтобы применить каждый раз данные вперед распространена через входной слой в виде одного из следующего:
'zerocenter'
— Вычтите среднее значение, заданное Mean
.
'zscore'
— Вычтите среднее значение, заданное Mean
и разделитесь на StandardDeviation
.
'rescale-symmetric'
— Перемасштабируйте вход, чтобы быть в области значений [-1, 1] использование минимальных и максимальных значений, заданных Min
и Max
, соответственно.
'rescale-zero-one'
— Перемасштабируйте вход, чтобы быть в области значений [0, 1] использование минимальных и максимальных значений, заданных Min
и Max
, соответственно.
'none'
— Не нормируйте входные данные.
указатель на функцию — Нормирует данные с помощью заданной функции. Функция должна иметь форму Y = func(X)
, где X
входные данные и выход Y
нормированные данные.
Совет
Программное обеспечение, по умолчанию, автоматически вычисляет статистику нормализации в учебное время. Чтобы сэкономить время когда обучение, задайте необходимую статистику для нормализации и установите 'ResetInputNormalization'
опция в trainingOptions
к false
.
NormalizationDimension
— Размерность нормализации'auto'
(значение по умолчанию) | 'channel'
| 'element'
| 'all'
Размерность нормализации в виде одного из следующего:
'auto'
– Если опцией обучения является false
и вы задаете любые из статистических данных нормализации (Mean
Стандартное отклонение
min
, или Max
), затем нормируйте по размерностям, совпадающим со статистикой. В противном случае повторно вычислите статистику в учебное время и примените мудрую каналом нормализацию.
'channel'
– Мудрая каналом нормализация.
'element'
– Поэлементная нормализация.
'all'
– Нормируйте все значения с помощью скалярной статистики.
Mean
— Среднее значение для нулевого центра и нормализации z-счета[]
(значение по умолчанию) | 4-D массив | числовой скалярСреднее значение для нулевого центра и нормализации z-счета в виде h-by-w-by-d-by-c массив, 1 1 1 c массивом средних значений на канал, числовой скаляр или []
, где h, w, d и c соответствуют высоте, ширине, глубине и количеству каналов среднего значения, соответственно.
Если вы задаете Mean
свойство, затем Normalization
должен быть 'zerocenter'
или 'zscore'
. Если Mean
[]
, затем программное обеспечение вычисляет среднее значение в учебное время.
Можно установить это свойство при создании сетей без обучения (например, при сборке использования сетей assembleNetwork
).
Типы данных: single
| double
| int8
| int16
| int32
| int64
| uint8
| uint16
| uint32
| uint64
StandardDeviation
— Стандартное отклонение для нормализации z-счета[]
(значение по умолчанию) | 4-D массив | числовой скалярСтандартное отклонение для нормализации z-счета в виде h-by-w-by-d-by-c массив, 1 1 1 c массивом средних значений на канал, числовой скаляр или []
, где h, w, d и c соответствуют высоте, ширине, глубине и количеству каналов стандартного отклонения, соответственно.
Если вы задаете StandardDeviation
свойство, затем Normalization
должен быть 'zscore'
. Если StandardDeviation
[]
, затем программное обеспечение вычисляет стандартное отклонение в учебное время.
Можно установить это свойство при создании сетей без обучения (например, при сборке использования сетей assembleNetwork
).
Типы данных: single
| double
| int8
| int16
| int32
| int64
| uint8
| uint16
| uint32
| uint64
Min
— Минимальное значение для того, чтобы перемасштабировать[]
(значение по умолчанию) | 4-D массив | числовой скалярМинимальное значение для того, чтобы перемасштабировать в виде h-by-w-by-d-by-c массив, 1 1 1 c массивом минимумов на канал, числовой скаляр или []
, где h, w, d и c соответствуют высоте, ширине, глубине и количеству каналов минимумов, соответственно.
Если вы задаете Min
свойство, затем Normalization
должен быть 'rescale-symmetric'
или 'rescale-zero-one'
. Если Min
[]
, затем программное обеспечение вычисляет минимум в учебное время.
Можно установить это свойство при создании сетей без обучения (например, при сборке использования сетей assembleNetwork
).
Типы данных: single
| double
| int8
| int16
| int32
| int64
| uint8
| uint16
| uint32
| uint64
Max
— Максимальное значение для того, чтобы перемасштабировать[]
(значение по умолчанию) | 4-D массив | числовой скалярМаксимальное значение для того, чтобы перемасштабировать в виде h-by-w-by-d-by-c массив, 1 1 1 c массивом максимумов на канал, числовой скаляр или []
, где h, w, d и c соответствуют высоте, ширине, глубине и количеству каналов максимумов, соответственно.
Если вы задаете Min
свойство, затем Normalization
должен быть 'rescale-symmetric'
или 'rescale-zero-one'
. Если Max
[]
, затем программное обеспечение вычисляет максимум в учебное время.
Можно установить это свойство при создании сетей без обучения (например, при сборке использования сетей assembleNetwork
).
Типы данных: single
| double
| int8
| int16
| int32
| int64
| uint8
| uint16
| uint32
| uint64
Name
— Имя слоя''
(значение по умолчанию) | вектор символов | строковый скаляр
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
NumInputs
— Количество входных параметровКоличество входных параметров слоя. Слой не имеет никаких входных параметров.
Типы данных: double
InputNames
— Введите имена{}
(значение по умолчанию)Введите имена слоя. Слой не имеет никаких входных параметров.
Типы данных: cell
NumOutputs
— Количество выходных параметровКоличество выходных параметров слоя. Этот слой имеет один выход только.
Типы данных: double
OutputNames
— Выведите имена{'out'}
(значение по умолчанию)Выведите имена слоя. Этот слой имеет один выход только.
Типы данных: cell
Создайте входной слой 3-D изображения для 132 132 116 цветными 3-D изображениями с именем 'input'
. По умолчанию слой выполняет нормализацию данных путем вычитания среднего изображения набора обучающих данных от каждого входного изображения.
layer = image3dInputLayer([132 132 116],'Name','input')
layer = Image3DInputLayer with properties: Name: 'input' InputSize: [132 132 116 1] Hyperparameters Normalization: 'zerocenter' NormalizationDimension: 'auto' Mean: []
Включайте входной слой 3-D изображения в Layer
массив.
layers = [ image3dInputLayer([28 28 28 3]) convolution3dLayer(5,16,'Stride',4) reluLayer maxPooling3dLayer(2,'Stride',4) fullyConnectedLayer(10) softmaxLayer classificationLayer]
layers = 7x1 Layer array with layers: 1 '' 3-D Image Input 28x28x28x3 images with 'zerocenter' normalization 2 '' Convolution 16 5x5x5 convolutions with stride [4 4 4] and padding [0 0 0; 0 0 0] 3 '' ReLU ReLU 4 '' 3-D Max Pooling 2x2x2 max pooling with stride [4 4 4] and padding [0 0 0; 0 0 0] 5 '' Fully Connected 10 fully connected layer 6 '' Softmax softmax 7 '' Classification Output crossentropyex
AverageImage
свойство будет удаленоНе рекомендуемый запуск в R2019b
AverageImage
будет удален. Используйте Mean
вместо этого. Чтобы обновить ваш код, замените все экземпляры AverageImage
с Mean
. Нет никаких различий между свойствами, которые требуют дополнительных обновлений вашего кода.
imageInputLayer
и image3dInputLayer
, по умолчанию используйте мудрую каналом нормализациюИзменение поведения в будущем релизе
Начиная в R2019b, imageInputLayer
и image3dInputLayer
, по умолчанию используйте мудрую каналом нормализацию. В предыдущих версиях эти слои используют поэлементную нормализацию. Чтобы воспроизвести это поведение, установите NormalizationDimension
опция этих слоев к 'element'
.
averagePooling3dLayer
| convolution3dLayer
| fullyConnectedLayer
| imageInputLayer
| maxPooling3dLayer
| trainNetwork
| transposedConv3dLayer
У вас есть модифицированная версия этого примера. Вы хотите открыть этот пример со своими редактированиями?
1. Если смысл перевода понятен, то лучше оставьте как есть и не придирайтесь к словам, синонимам и тому подобному. О вкусах не спорим.
2. Не дополняйте перевод комментариями “от себя”. В исправлении не должно появляться дополнительных смыслов и комментариев, отсутствующих в оригинале. Такие правки не получится интегрировать в алгоритме автоматического перевода.
3. Сохраняйте структуру оригинального текста - например, не разбивайте одно предложение на два.
4. Не имеет смысла однотипное исправление перевода какого-то термина во всех предложениях. Исправляйте только в одном месте. Когда Вашу правку одобрят, это исправление будет алгоритмически распространено и на другие части документации.
5. По иным вопросам, например если надо исправить заблокированное для перевода слово, обратитесь к редакторам через форму технической поддержки.