如何将激活的维度作为池化层的输入

时间:2017-11-15 23:49:16

标签: matlab neural-network computer-vision deep-learning max-pooling

我正在使用alexnet,您可以看到网络的结构如下:

Alexnet structure with outputs

我在Matlab中使用了激活功能,从conv5层的输出中获取数据的功能。输出是一个特征向量,每个图像的尺寸为43264(我有14000个图像)。

我对此输出进行了一些处理,但尺寸没有变化,所以它仍然是43264。

我想从汇集第5层开始重新输入数据到网络并训练网络。

正如您在alexnet的结构中所注意到的,池5的输入应为13x13x256。所以我将特征向量43264更改为13x13x256矩阵,因此整个训练集将是一个单元阵列14000x1,每个单元格有13x13x256。

我使用以下代码训练网络:

net = trainNetwork (Trainingset, labels, Layers, trainingOptions)

我仍然在向Pooling图层提出意外输入时出错!

我有什么想法吗?

提前致谢

非常感谢

0 个答案:

没有答案