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.
layer = image3dInputLayer(inputSize)InputSize свойство.
layer = image3dInputLayer(inputSize,Name,Value)
InputSize — Размер входаРазмер входных данных в виде вектора-строки из целых чисел [h w d c], где hWD, 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 (MeanСтандартное отклонениеmin, 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.
Типы данных: char | string
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. Для Layer вход массивов, trainNetwork, assembleNetwork, layerGraph, и dlnetwork функции автоматически присваивают имена к слоям с Name установите на ''.
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 параметровЭто свойство доступно только для чтения.
Количество выходных параметров слоя. Этот слой имеет один выход только.
Типы данных: double
OutputNames — Выведите имена{'out'} (значение по умолчанию)Это свойство доступно только для чтения.
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'.
trainNetwork | convolution3dLayer | transposedConv3dLayer | averagePooling3dLayer | maxPooling3dLayer | fullyConnectedLayer | imageInputLayer
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.