ニューラルネットワークのプーリング層(原理(シングルチャネル、マルチチャネル)、特徴)

1. プーリング

プーリング:プーリングにより、畳み込み層の出力特徴の次元を削減でき、縮小モデルのサイズを効果的に削減し、計算速度を向上させることができます。

プーリングは最大プーリングと平均プーリングに分かれます。

2. シングルチャンネル入力プーリングとマルチチャンネル入力プーリング

最大プーリングを例として、単一チャネル プーリングとマルチチャネル プーリングのプロセスを説明します。

単一チャネルプーリング:

次の図に示すように、プーリング層のハイパーパラメーター f=2 および s=2 を設定すると、プーリング操作によって入力を元の半分に減らすことができます。

854d8f59ed8d452ea4fb9eee9b2f75db.png

マルチチャネルプーリング:

0ebeb985a80749409add1723f2f1a860.png

 注: コンボリューションとは異なり、プーリングではチャネル数は変わりません。つまり、入力がであると仮定するとgif.latex?n%5Ctimes%20n%5Ctimes%20n_%7Bc%7D、出力のチャネル数は

gif.ラテックス?n_%7Bc%7D

3. プーリングの特徴

1. ハイパーパラメータは f と s の 2 つだけであり、勾配降下法で調整する必要があるパラメータはありません。一般に、f = 2、s = 2、または f = 3、s = 2 に設定し、s はステップ サイズを表します。

ハイパーパラメータは、勾配降下法によって調整する必要があるパラメータ (畳み込み層の畳み込みカーネルなど) とは対照的に、人為的に設定されるパラメータです。

2. プーリングには最大プーリングと平均プーリングの 2 つの方法があります。単一チャネルを例にとると、平均的なプーリング プロセスは次のとおりです。

2822114330e3490faa3cb757f6b5b5a5.png

3. プーリング操作の入力および出力サイズ:

gif.latex?n_%7BH%7D%5Ctimes%20n_%7BW%7D%5Ctimes%20n_%7BC%7D%20--%3E%5Cleft%20%5Clfloor%20%5Cfrac%7Bn_%7BH%7D-f% 7D%7Bs%7D%20+1%5Cright%20%5Crfloor%5Ctimes%20%5Cleft%20%5Clfloor%20%5Cfrac%7Bn_%7BW%7D-f%7D%7Bs%7D+1%20%5Cright% 20%5Crフロア%5Ctimes%20n_%7BC%7D

 

 

おすすめ

転載: blog.csdn.net/m0_45267220/article/details/129265540