全球池化有什么作用?

我最近在caffe的Pooling层中发现了“global_pooling”标志,但在文档中找不到相关信息,这里(层目录)和这里(Pooling doxygen 文档)都没有找到。

与普通的池化层行为相比,有没有一个简单的例子来解释这个功能?


回答:

全局池化将维度从3D减少到1D。因此,全局池化对每个特征图输出一个响应。这个响应可以是最大值、平均值或你使用的其他任何池化操作。

它通常用于卷积神经网络的后端末端,以获得适合与密集层一起使用的形状。因此,无需应用展平操作。

Related Posts

L1-L2正则化的不同系数

我想对网络的权重同时应用L1和L2正则化。然而,我找不…

使用scikit-learn的无监督方法将列表分类成不同组别,有没有办法?

我有一系列实例,每个实例都有一份列表,代表它所遵循的不…

f1_score metric in lightgbm

我想使用自定义指标f1_score来训练一个lgb模型…

通过相关系数矩阵进行特征选择

我在测试不同的算法时,如逻辑回归、高斯朴素贝叶斯、随机…

可以将机器学习库用于流式输入和输出吗?

已关闭。此问题需要更加聚焦。目前不接受回答。 想要改进…

在TensorFlow中,queue.dequeue_up_to()方法的用途是什么?

我对这个方法感到非常困惑,特别是当我发现这个令人费解的…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注