• 2D池化IPoolingLayer


    2D池化IPoolingLayer

    IPooling层在通道内实现池化。支持的池类型为最大, 平均 和 最大平均混合。

    层描述:二维池化

    使用张量上的2D滤波器计算池化a tensor A, of dimensions a, to produce a tensor B, of dimensions b。b的尺寸取决于 尺寸, 视窗大小 R,对称填充 p ,stride大小 s 这样:

    • b = [a0a1...an-3bn-2bn-1]
    • bn-2 = (an-2+2p0-r0)/s0+1
    • bn-1 = (an-1+2p1-r1)/s1+1

    张量 C 是A with dimensions[a0a1...an-2+2p0an-1+2p1]零填充copy。Bj......kl= func(Cj…. k:kk l:ll) wherekk = k+r0-1,andll = l+r1-1 Func是一种池化类型

    PoolingType::kMAX

    窗口中元素的最大值。

    Maximum over elements in window.

    PoolingType::kAVERAGE

    窗口中元素的平均值。

    Average over elements in the window.

    PoolingType::kMAX_AVERAGE_BLEND

    最大池和平均池的混合。最大合并和平均合并的结果与混合因子组合为

    (1-blendFactor)*maximumPoolingResult + blendFactor*averagePoolingResult to yield the result. The blendFactor can be set to a value between 0 and 1.

    blendFactor可以被设置为0和1之间的值。

    默认情况下,对池化窗口和填充的输入之间的重叠执行平均池化。如果互斥参数设置为true,则对池化窗口和未填充输入之间的重叠区域执行平均池化。

    层描述:3D池化

    使用张量上的3D滤镜计算池化 a tensor A, of dimensions a, to produce a tensor B, of dimensions b。b的尺寸 取决于a尺寸,视窗大小 R,对称填充 p ,步长 s 这样:

    • b = [a0a1...an-4bn-3bn-2bn-1]
    • bn-3 = (an-3+2p0-r0)/s0+1
    • bn-2 = (an-2+2p1-r1)/s1+1
    • bn-1 = (an-1+2p2-r2)/s2+1

    设张量 C 是A with dimensions [a0a1... an-3+2p0an-2+2p1an-1+2p2]的零填充copy。 一其中,Bj......klm= func(Cj…. k:kk l:ll m:mm) wherekk = k+r0-1,ll = l+r1-1, andmm = m+r2-1

     func 由池化类型之一t定义 :

    oolingType::kMAX

    窗口中元素的最大值。

    Maximum over elements in window.

    PoolingType::kAVERAGE

    窗口中元素的平均值。

    Average over elements in the window.

    PoolingType::kMAX_AVERAGE_BLEND

    最大池和平均池的混合。最大合并和平均合并的结果与混合因子组合为

     (1-blendFactor)*maximumPoolingResult + blendFactor*averagePoolingResult to yield the result. The blendFactor can be set to a value between 0 and 1.

    blendFactor可以被设置为0和1之间的值

    默认情况下,对池化窗口和填充的输入之间的重叠执行平均池化。如果互斥参数设置为true,则对池化窗口和未填充输入之间的重叠区域执行平均池化。

    条件与限制

    2D或3D由输入内核尺寸的数量确定。对于2D合并,输入和输出张量应具有3个或更大的尺寸。对于3D池,输入和输出张量应具有4个或更大的尺寸。

    参阅C ++类 IPooling层Python类 IPooling层 有关更多详细信息。

    人工智能芯片与自动驾驶
  • 相关阅读:
    LeetCode 40. Combination Sum II
    LeetCode 39. Combination Sum
    #Python学习#python虚拟环境——virtualenv
    #阿里云#云服务器部署Django(基础篇)
    驱动调试之打印
    Linux内核源码阅读记录一之分析存储在不同段中的函数调用过程
    uevent机制
    字符设备的另一种写法
    DM9000C网卡驱动程序编写与测试
    网卡驱动程序框架以及虚拟网卡驱动程序的实现
  • 原文地址:https://www.cnblogs.com/wujianming-110117/p/14154565.html
Copyright © 2020-2023  润新知