3.3 構建卷積神經(jīng)網(wǎng)絡

針對3.2節(jié)中所提出的需求，構建具有三個卷積層的卷積神經(jīng)網(wǎng)絡，網(wǎng)絡結構及各部分的參數(shù)見表3-1。

本節(jié)實例涉及的卷積層、批量歸一化層、非線性激勵函數(shù)、最大池化層、全連接層的構建函數(shù)及其使用方法詳見本書的2.4節(jié)。

本節(jié)詳細介紹平均池化層、丟棄層、分類層的構建函數(shù)及其使用方法。

1.averagePooling2 dLayer函數(shù)

功能：對輸入的特征圖進行二維平均池化。

用法：

語法①

layer = averagePooling2dLayer(poolSize)。

輸入：poolSize為池化區(qū)域的大小。

輸出：平均池化層。

語法②

layer = averagePooling2dLayer(poolSize，Name，Value)。

可以通過指定“名稱-取值”對（Name和Value）來配置特定屬性（將每種屬性名稱括在單引號中），具體含義見表3-2。

例如，averagePooling2dLayer(2，'Stride'，2)，這個語句實現(xiàn)的功能為創(chuàng)建一個平均池化層，池化層的區(qū)域為2×2，進行池化運算的步長為2。

2.創(chuàng)建Dropout層：dropoutLayer函數(shù)

功能：創(chuàng)建一個丟棄（Dropout）層，該層按給定的概率隨機地將輸入元素設置為零。

用法：

語法①

layer = dropoutLayer。

該用法是將輸入元素的50%隨機置零。

語法②

layer = dropoutLayer(probability)。

輸入：隨機置零的概率。

輸出：丟棄層。

例如，dropoutLayer (0.2)，這個語句實現(xiàn)的功能為創(chuàng)建一個丟棄層，將輸入元素的20%隨機置零。

3.創(chuàng)建回歸層：regressionLayer函數(shù)

功能：創(chuàng)建一個回歸（Regression）層。

用法：layer = regressionLayer。

實現(xiàn)表3-1所示的卷積神經(jīng)網(wǎng)絡的程序代碼如下。