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

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注