Exponenta Banner

globalMaxPooling2dLayer

Глобальный максимальный слой объединения

развернуть все на странице

Описание

Глобальный слой максимального объединения выполняет понижающую дискретизацию, вычисляя максимальные размерности высоты и ширины входа.

Создание

Синтаксис

layer = globalMaxPooling2dLayer
layer = globalMaxPooling2dLayer('Name',name)

Описание

layer = globalMaxPooling2dLayer создает глобальный слой максимального объединения.

пример

layer = globalMaxPooling2dLayer('Name',name) устанавливает дополнительный Name свойство.

Свойства

расширить все

Имя слоя, заданное как вектор символов или строковый скаляр. Чтобы включить слой в график слоев, необходимо задать непустое уникальное имя слоя. Если вы обучаете последовательную сеть с слоем и Name установлено в ''затем программа автоматически присваивает слою имя во время обучения.

Типы данных: char | string

Количество входов слоя. Этот слой принимает только один вход.

Типы данных: double

Входные имена слоя. Этот слой принимает только один вход.

Типы данных: cell

Количество выходов слоя. Этот слой имеет только один выход.

Типы данных: double

Выходные имена слоя. Этот слой имеет только один выход.

Типы данных: cell

Функции объекта

Примеры

свернуть все

Открыть Live Script

Создайте глобальный слой максимального объединения с именем 'gmp1'.

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

    Name: 'gmp1'

Включите глобальный слой максимального объединения 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

Совет

  • В сети классификации изображений можно использовать globalMaxPooling2dLayer перед конечным полносвязным слоем для уменьшения размера активаций без ущерба эффективность. Уменьшенный размер активаций означает, что нижестоящие полносвязные слои будут иметь меньше весов, уменьшая размер вашей сети.

  • Можно использовать globalMaxPooling2dLayer к концу сети классификации вместо fullyConnectedLayer. Поскольку слои глобального объединения не имеют настраиваемых параметров, они могут быть менее склонны к сверхподбору кривой и могут уменьшить размер сети. Эти сети также могут быть более устойчивыми к пространственным преобразованиям входных данных. Можно также заменить полносвязный слой на globalAveragePooling2dLayer вместо этого. Является ли globalAveragePooling2dLayer или globalMaxPooling2dLayer Это более уместно в зависимости от вашего набора данных.

    Чтобы использовать глобальный средний слой объединения вместо полносвязного слоя, размер входа globalMaxPooling2dLayer должен совпадать с количеством классов в задаче классификации

Расширенные возможности

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

.

Генерация кода GPU
Сгенерируйте код CUDA ® для графических процессоров NVIDIA ® с помощью GPU Coder™

.

См. также

| | | |

Темы

Введенный в R2020a

Документация по Deep Learning Toolbox

Поддержка