Main Content

このページの翻訳は最新ではありません。ここをクリックして、英語の最新版を参照してください。

深層学習のカスタム層

深層学習用のカスタム層の定義

問題に合わせて独自のカスタム深層学習層を定義できます。カスタム出力層を使用してカスタム損失関数を指定し、学習可能なパラメーターを含むカスタム層や含まないカスタム層を定義できます。カスタム層を定義した後、その層の有効性、GPU 互換性、定義した勾配の出力の正しさをチェックできます。

関数

すべて展開する

functionLayerFunction layer
checkLayerCheck validity of custom or function layer
setLearnRateFactor層の学習可能なパラメーターの学習率係数を設定します。
setL2Factor層の学習可能なパラメーターの L2 正則化係数の設定
getLearnRateFactor層の学習可能なパラメーターの学習率係数の取得
getL2Factor層の学習可能なパラメーターの L2 正則化係数の取得
findPlaceholderLayersFind placeholder layers in network architecture imported from Keras or ONNX
replaceLayer層グラフの層の置き換え
assembleNetwork事前学習済みの層から深層学習ネットワークを組み立てる
PlaceholderLayerLayer replacing an unsupported Keras or ONNX layer, or unsupported functionality from functionToLayerGraph

トピック

カスタム層の概要

カスタム中間層

カスタム出力層

  • カスタム分類出力層の定義
    この例では、残差平方和 (SSE) 損失を含むカスタム分類出力層を定義し、畳み込みニューラル ネットワークで使用する方法を説明します。
  • カスタム回帰出力層の定義
    この例では、平均絶対誤差 (MAE) 損失を含むカスタム回帰出力層を定義し、畳み込みニューラル ネットワークで使用する方法を説明します。
  • カスタム出力層の逆方向損失関数の指定
    この例では、残差平方和 (SSE) 損失を使用するカスタム分類出力層を定義し、カスタム逆方向損失関数を指定する方法を説明します。

ネットワーク構成および入れ子層

層の有効性のチェック