В сети классификации изображений можно использовать globalAveragePooling2dLayer 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 globalAveragePooling2dLayer 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 globalMaxPooling2dLayer вместо этого. Ли globalMaxPooling2dLayer или globalAveragePooling2dLayer является более соответствующим, зависит от вашего набора данных.

Использовать глобальный средний слой объединения вместо полносвязного слоя, размера входа к globalAveragePooling2dLayer должен совпадать с количеством классов в проблеме классификации