深いネットワークのイメージ用途向けカスタマイズ

深層学習の学習ループおよび損失関数のカスタマイズ

タスクに必要な学習オプションが関数 trainingOptions に用意されていない場合、または必要な損失関数をカスタム出力層がサポートしていない場合、カスタム学習ループを定義できます。層グラフを使用して作成できないネットワークの場合、カスタムネットワークを関数として定義できます。詳細については、カスタム学習ループ、損失関数、およびネットワークの定義を参照してください。

関数

すべて展開する

カスタム学習ループ

`dlnetwork`	カスタム学習ループ向けの深層学習ネットワーク
`forward`	学習用の深層学習ネットワーク出力の計算
`predict`	推論用の深層学習ネットワーク出力の計算
`adamupdate`	適応モーメント推定 (Adam) を使用してパラメーターを更新する
`rmspropupdate`	Update parameters using root mean squared propagation (RMSProp)
`sgdmupdate`	モーメンタム項付き確率的勾配降下法 (SGDM) を使用してパラメーターを更新する
`dlupdate`	Update parameters using custom function
`minibatchqueue`	深層学習用のミニバッチの作成
`onehotencode`	one-hot ベクトルへのデータラベルの符号化
`onehotdecode`	クラスラベルへの確率ベクトルの復号化
`initialize`	`dlnetwork` の学習可能なパラメーターと状態パラメーターの初期化
`plot`	ニューラルネットワークアーキテクチャのプロット
`addLayers`	Add layers to layer graph or network
`removeLayers`	層グラフまたはネットワークからの層の削除
`connectLayers`	層グラフまたはネットワークの層の結合
`disconnectLayers`	層グラフまたはネットワークの層の切り離し
`replaceLayer`	層グラフまたはネットワークの層の置き換え
`summary`	Print network summary
`trainingProgressMonitor`	Monitor and plot training progress for deep learning custom training loops

自動微分

`dlarray`	カスタム学習ループ用の深層学習配列
`dlgradient`	自動微分を使用したカスタム学習ループの勾配の計算
`dlfeval`	カスタム学習ループ用の深層学習モデルの評価

層

入力層

`imageInputLayer`	イメージ入力層
`image3dInputLayer`	3 次元イメージ入力層

畳み込み層と全結合層

`convolution2dLayer`	2 次元畳み込み層
`convolution3dLayer`	3-D convolutional layer
`groupedConvolution2dLayer`	グループ化された 2 次元畳み込み層
`transposedConv2dLayer`	2 次元転置畳み込み層
`transposedConv3dLayer`	Transposed 3-D convolution layer
`fullyConnectedLayer`	全結合層

活性化層

`reluLayer`	正規化線形ユニット (ReLU) 層
`leakyReluLayer`	漏洩 (leaky) 正規化線形ユニット (ReLU) 層
`clippedReluLayer`	クリップされた正規化線形ユニット (ReLU) 層
`eluLayer`	指数線形ユニット (ELU) 層
`tanhLayer`	双曲線正接 (tanh) 層
`swishLayer`	Swish 層
`geluLayer`	Gaussian error linear unit (GELU) layer
`functionLayer`	関数層

正規化層、ドロップアウト層、およびトリミング層

`batchNormalizationLayer`	バッチ正規化層
`groupNormalizationLayer`	Group normalization layer
`instanceNormalizationLayer`	インスタンス正規化層
`layerNormalizationLayer`	レイヤー正規化層
`crossChannelNormalizationLayer`	チャネル単位の局所応答正規化層
`dropoutLayer`	ドロップアウト層
`crop2dLayer`	2 次元トリミング層
`crop3dLayer`	3-D crop layer

プーリング層と逆プーリング層

`averagePooling2dLayer`	平均プーリング層
`averagePooling3dLayer`	3-D average pooling layer
`globalAveragePooling2dLayer`	2-D global average pooling layer
`globalAveragePooling3dLayer`	3-D global average pooling layer
`globalMaxPooling2dLayer`	Global max pooling layer
`globalMaxPooling3dLayer`	3-D global max pooling layer
`maxPooling2dLayer`	最大プーリング層
`maxPooling3dLayer`	3-D max pooling layer
`maxUnpooling2dLayer`	最大逆プーリング層

結合層

`additionLayer`	加算層
`multiplicationLayer`	乗算層
`concatenationLayer`	連結層
`depthConcatenationLayer`	深さ連結層

トピック

カスタム学習ループを使用したネットワークの学習
この例では、カスタム学習率スケジュールで手書きの数字を分類するネットワークに学習させる方法を示します。
多入力および多出力ネットワーク
複数の入力または複数の出力がある深層学習ネットワークの定義と学習を行う方法を学びます。
複数の出力をもつネットワークの学習
この例では、手書きの数字のラベルと回転角度の両方を予測する、複数の出力をもつ深層学習ネットワークに学習させる方法を説明します。
シャムネットワークの学習とイメージの比較
この例では、シャムネットワークに学習させて類似した手書き文字のイメージを特定する方法を説明します。
Example Deep Learning Networks Architectures
This example shows how to define simple deep learning neural networks for various tasks.
深層学習用のデータセット
さまざまな深層学習タスク用のデータセットを確認。