このページの内容は最新ではありません。最新版の英語を参照するには、ここをクリックします。
globalAveragePooling2dLayer
説明
2 次元グローバル平均プーリング層は、入力の高さおよび幅の次元の平均を計算することによって、ダウンサンプリングを実行します。
層がプーリングを行う次元は、層の入力によって次のように異なります。
2 次元イメージ入力 (2 つの空間次元内のピクセル、ならびにチャネルと観測値に対応する 4 次元のデータ) の場合、層は空間次元でプーリングします。
2 次元イメージ シーケンス入力 (2 つの空間次元内のピクセル、ならびにチャネルと観測値とタイム ステップに対応する 5 次元のデータ) の場合、層は 2 つの空間次元でプーリングします。
1 次元イメージ シーケンス入力 (1 つの空間次元内のピクセル、ならびにチャネルと観測値とタイム ステップに対応する 4 次元のデータ) の場合、層は空間次元と時間次元でプーリングします。
作成
プロパティ
例
ヒント
イメージ分類ネットワークでは、最後の全結合層の前に
globalAveragePooling2dLayer
を使用して、パフォーマンスを犠牲にすることなく活性化のサイズを縮小できます。活性化のサイズが縮小されるということは、下流の全結合層の重みが少なくなり、ネットワークのサイズが縮小されることを意味します。分類ネットワークの最後の方で、
fullyConnectedLayer
の代わりにglobalAveragePooling2dLayer
を使用できます。グローバル プーリング層には学習可能なパラメーターがないため、過適合が発生しにくくなり、ネットワークのサイズを縮小できます。これらのネットワークにより、入力データの空間変換に対するロバスト性を向上させることにもなります。代わりに、全結合層をglobalMaxPooling2dLayer
に置き換えることもできます。globalMaxPooling2dLayer
とglobalAveragePooling2dLayer
のどちらがより適切かは、データ セットによって異なります。全結合層の代わりにグローバル平均プーリング層を使用するには、グローバル平均プーリング層の入力のチャネル数が分類タスクのクラス数と一致しなければなりません。
アルゴリズム
拡張機能
バージョン履歴
R2019b で導入