このページの内容は最新ではありません。最新版の英語を参照するには、ここをクリックします。

huber

回帰タスクの Huber 損失

R2021a 以降

構文

loss = huber(Y,targets)

loss = huber(Y,targets,weights)

loss = huber(___,'DataFormat',FMT)

loss = huber(___,Name,Value)

説明

Huber 演算は、回帰タスクのネットワーク予測とターゲット値の間の Huber 損失を計算します。'TransitionPoint' オプションが 1 の場合、これは "滑らかな L₁ 損失" とも呼ばれます。

関数 huber は、dlarray データを使用して Huber 損失を計算します。dlarray オブジェクトを使用すると、次元にラベルを付けることができるため、高次元のデータをより簡単に扱うことができます。たとえば、"S"、"T"、"C"、"B" のラベルを使用して、各次元が空間、時間、チャネル、バッチのどの次元に対応するかを示すことができます。特に指定がないその他の次元については、ラベル "U" を使用します。特定の次元に対して演算を行うオブジェクト関数 dlarray の場合、dlarray オブジェクトを直接書式化するか、DataFormat オプションを使用することで、次元ラベルを指定できます。

loss = huber(Y,targets) は、予測を含む書式化された dlarray オブジェクト Y と回帰タスクのターゲット値 targets との間の Huber 損失を返します。入力 Y は書式化された dlarray です。出力 loss は、書式化されていない dlarray スカラーです。

書式化されていない入力データの場合は、'DataFormat' オプションを使用します。

loss = huber(Y,targets,weights) は、計算された損失値に重みを適用します。計算された損失値に対し、入力のクラス、入力の観測値、または入力の領域の寄与を重み付けするには、この構文を使用します。

Y が書式化されていない dlarray である場合、loss = huber(___,'DataFormat',FMT) は、次元形式 FMT も指定します。

loss = huber(___,Name,Value) は、前の構文の入力引数に加えて、1 つ以上の名前と値のペアの引数を使用してオプションを指定します。たとえば、'NormalizationFactor','all-elements' は、縮小された損失を入力要素の数で除算して損失を正規化することを指定します。

例

Huber 損失

10 個の応答に関する 12 個の観測値の予測から成る配列を作成します。

numResponses = 10;
numObservations = 12;

Y = rand(numResponses,numObservations);
dlY = dlarray(Y,'CB');

予測のサイズと形式を表示します。

size(dlY)

ans = 1×2

    10    12

dims(dlY)

ans = 
'CB'

ランダムなターゲットの配列を作成します。

targets = rand(numResponses,numObservations);

ターゲットのサイズを表示します。

size(targets)

ans = 1×2

    10    12

予測とターゲットとの間の Huber 損失を計算します。

loss = huber(dlY,targets)

loss = 
  1x1 dlarray

    0.7374

パディングされたシーケンスのマスクされた Huber 損失

10 個の応答に関するさまざまな長さの 12 個のシーケンスに対して、予測とターゲットから成る配列を作成します。

numResponses = 10;
numObservations = 12;
maxSequenceLength = 15;

sequenceLengths = randi(maxSequenceLength,[1 numObservations]);

Y = cell(numObservations,1);
targets = cell(numObservations,1);

for i = 1:numObservations
    Y{i} = rand(numResponses,sequenceLengths(i));
    targets{i} = rand(numResponses,sequenceLengths(i));
end

予測とターゲットの cell 配列を表示します。

Y

Y=12×1 cell array
    {10x13 double}
    {10x14 double}
    {10x2  double}
    {10x14 double}
    {10x10 double}
    {10x2  double}
    {10x5  double}
    {10x9  double}
    {10x15 double}
    {10x15 double}
    {10x3  double}
    {10x15 double}

targets

targets=12×1 cell array
    {10x13 double}
    {10x14 double}
    {10x2  double}
    {10x14 double}
    {10x10 double}
    {10x2  double}
    {10x5  double}
    {10x9  double}
    {10x15 double}
    {10x15 double}
    {10x3  double}
    {10x15 double}

関数 padsequences を使用して予測シーケンスとターゲット シーケンスを 2 次元でパディングし、対応するマスクも返します。

[Y,mask] = padsequences(Y,2);
targets = padsequences(targets,2);

パディングされたシーケンスを 'CTB' 形式 (チャネル、時間、バッチ) の dlarray に変換します。書式化された dlarray オブジェクトは次元を自動的に並べ替えるため、ターゲットとマスクを同じ形式の書式化された dlarray オブジェクトに変換することによって、ターゲットとマスクの次元の一貫性を保ちます。

dlY = dlarray(Y,'CTB');
targets = dlarray(targets,'CTB');
mask = dlarray(mask,'CTB');

予測スコア、ターゲット、およびマスクのサイズを表示します。

size(dlY)

ans = 1×3

    10    12    15

size(targets)

ans = 1×3

    10    12    15

size(mask)

ans = 1×3

    10    12    15

予測とターゲットとの間の Huber 損失を計算します。パディングから計算された損失値が損失に寄与しないようにするために、関数 padsequences によって返されるマスクに 'Mask' オプションを設定します。

loss = huber(dlY,targets,'Mask',mask)

loss = 
  1x1 dlarray

    8.1834

入力引数

Y — 予測

dlarray | 数値配列

予測。書式化された dlarray、書式化されていない dlarray、または数値配列として指定します。Y が書式化された dlarray でない場合、DataFormat オプションを使用して次元形式を指定しなければなりません。

Y が数値配列の場合、targets は dlarray でなければなりません。

targets — ターゲット応答

dlarray | 数値配列

ターゲット応答。書式化された (または書式化されていない) dlarray、あるいは数値配列として指定します。

targets の各次元のサイズは、Y の対応する次元のサイズと一致していなければなりません。

targets が書式化された dlarray の場合、その形式は Y の形式と同じでなければなりません。Y が書式化されていない場合、その形式は DataFormat の形式と同じでなければなりません。

targets が書式化されていない dlarray または数値配列の場合、関数は、Y の形式または DataFormat の値を targets に適用します。

ヒント

書式化された dlarray オブジェクトは、"S" (空間)、"C" (チャネル)、"B" (バッチ)、"T" (時間)、"U" (指定なし) の順序となるように、基となるデータの次元を自動的に並べ替えます。さらに、Y が書式化された dlarray の場合、Y と targets の次元が必ず一致するように、書式化された dlarray として targets を指定します。

weights — 重み

dlarray | 数値配列

重み。dlarray または数値配列として指定します。

応答の重みを指定するには、サイズが Y の 'C' (チャネル) 次元と同じである 'C' (チャネル) 次元をもつベクトルを指定します。書式化された dlarray オブジェクトを使用するか、'WeightsFormat' オプションを使用して、応答の重みの 'C' (チャネル) 次元を指定します。

観測値の重みを指定するには、サイズが Y の 'B' (バッチ) 次元と同じである 'B' (バッチ) 次元をもつベクトルを指定します。書式化された dlarray オブジェクトを使用するか、'WeightsFormat' オプションを使用して、クラスの重みの 'B' (バッチ) 次元を指定します。

入力の各要素の重みを個別に指定するには、Y と同じサイズの配列として重みを指定します。この場合、weights が書式化されていない dlarray オブジェクトであれば、この関数は Y と同じ書式を使用します。または、'WeightsFormat' オプションを使用して重みの書式を指定します。

名前と値の引数

オプションの引数のペアを Name1=Value1,...,NameN=ValueN として指定します。ここで、Name は引数名で、Value は対応する値です。名前と値の引数は他の引数の後に指定しなければなりませんが、ペアの順序は重要ではありません。

R2021a より前では、コンマを使用して名前と値をそれぞれ区切り、Name を引用符で囲みます。

例: 'NormalizationFactor','all-elements' は、縮小された損失を入力要素の数で除算して損失を正規化することを指定します。

TransitionPoint — Huber 損失が線形関数に遷移する点

1 (既定値) | 正のスカラー

Huber 損失が二次関数から線形関数に遷移する点。'TransitionPoint' と正のスカラーで構成されるコンマ区切りのペアとして指定します。

'TransitionPoint' が 1 の場合、これは "滑らかな L₁ 損失" とも呼ばれます。

データ型: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64

Mask — どの要素を損失の計算に含めるかを示すマスク

dlarray | logical 配列 | 数値配列

どの要素を損失の計算に含めるかを示すマスク。dlarray オブジェクト、logical 配列、または Y と同じサイズの数値配列として指定します。

この関数は、入力データの要素を損失の計算に含めるかどうかを、マスク内の対応する値が 1 であるか 0 であるかによって決定します。

Mask が書式化された dlarray オブジェクトである場合、その書式は Y の書式と一致しなければなりません。Mask が書式化されていない dlarray オブジェクトである場合、この関数は Y と同じ書式を使用します。

DataFormat オプションを指定した場合、この関数は指定された書式もマスクに使用します。

Mask の各次元のサイズは、Y の対応する次元のサイズと一致していなければなりません。既定値は 1 から成る logical 配列です。

ヒント

書式化された dlarray オブジェクトは、"S" (空間)、"C" (チャネル)、"B" (バッチ)、"T" (時間)、"U" (指定なし) の順序となるように、基となるデータの次元を自動的に並べ替えます。たとえば、dlarray オブジェクトは、書式が "TSCSBS" であるデータの次元を "SSSCBT" という書式になるように自動的に並べ替えます。

また、Y が書式化された dlarray である場合、Y とマスクの次元が必ず一致するように、書式化された dlarray としてマスクを指定します。

Reduction — 損失値の配列を縮小するモード

"sum" (既定値) | "none"

損失値の配列を縮小するモード。次のいずれかとして指定します。

• "sum" — 損失値の配列に含まれるすべての要素を加算する。この場合、出力 loss はスカラーです。

• "none" — 損失値の配列を縮小しない。この場合、出力 loss は、Y と同じサイズの書式化されていない dlarray オブジェクトです。

NormalizationFactor — 縮小された損失を正規化するための序数

"batch-size" (既定値) | "all-elements" | "mask-included" | "none"

Reduction が "sum" であるときに、縮小された損失を正規化するための除数。次のいずれかとして指定します。

• "batch-size" — Y に含まれる観測値の数で損失を除算して正規化する。

• "all-elements" — Y に含まれる要素の数で損失を除算して正規化する。

• "mask-included" — 観測値ごとのマスクによって損失の計算に含めるように指定された要素の数で損失の値を個別に除算し、損失を正規化する。このオプションを使用するには、Mask オプションを使用してマスクを指定しなければなりません。

• "none" — 損失を正規化しない。

DataFormat — データの次元の説明

文字ベクトル | string スカラー

データの次元の説明。文字ベクトルまたは string スカラーとして指定します。

データの形式は文字列で、各文字はデータ内の対応する次元のタイプを表します。

各文字は以下のとおりです。

• "S" — 空間

• "C" — チャネル

• "B" — バッチ

• "T" — 時間

• "U" — 指定なし

たとえば、シーケンスのバッチを含み、1 番目、2 番目、および 3 番目の次元がそれぞれチャネル、観測値、およびタイム ステップに対応する配列の場合、"CBT" の形式で指定できます。

"S" または "U" のラベルが付いた次元については、複数回指定できます。"C"、"B"、"T" のラベルについては、1 回のみ使用できます。ソフトウェアは、2 番目の次元の後ろにある大きさ 1 の "U" 次元を無視します。

入力データが書式化された dlarray オブジェクトでない場合は、DataFormat オプションを指定しなければなりません。

詳細については、Deep Learning Data Formatsを参照してください。

データ型: char | string

WeightsFormat — 重みの次元の説明

文字ベクトル | string スカラー

重みの次元の説明。文字ベクトルまたは string スカラーとして指定します。

データの形式は文字列で、各文字はデータ内の対応する次元のタイプを表します。

各文字は以下のとおりです。

• "S" — 空間

• "C" — チャネル

• "B" — バッチ

• "T" — 時間

• "U" — 指定なし

たとえば、シーケンスのバッチを含み、1 番目、2 番目、および 3 番目の次元がそれぞれチャネル、観測値、およびタイム ステップに対応する配列の場合、"CBT" の形式で指定できます。

"S" または "U" のラベルが付いた次元については、複数回指定できます。"C"、"B"、"T" のラベルについては、1 回のみ使用できます。ソフトウェアは、2 番目の次元の後ろにある大きさ 1 の "U" 次元を無視します。

weights が数値ベクトルで、Y に大きさが 1 でない次元が 2 つ以上含まれている場合は、WeightsFormat オプションを指定しなければなりません。

weights がベクトルでない場合、または weights と Y がベクトルである場合、WeightsFormat の既定値は Y の書式と同じです。

詳細については、Deep Learning Data Formatsを参照してください。

データ型: char | string

出力引数

loss — Huber 損失

dlarray

Huber 損失。書式化されていない dlarray として返されます。出力 loss は、基となるデータ型が入力 Y のデータ型と同じ書式化されていない dlarray です。

loss のサイズは、Reduction オプションによって異なります。

アルゴリズム

Huber 損失

入力の各要素 Y_j について、関数 huber は次の式を使用して対応する要素ごとの損失値を計算します。

$${\text{loss}}_j=\{\begin{array}{cc}\frac{1}{2}{\left(Y_j-T_j\right)}^2& \text{if }\left|Y_j-T_j\right|\le \delta \\ \delta \left|Y_j-T_j\right|-\frac{1}{2}{\delta }^2& \text{otherwise}\end{array},$$

ここで、T_j は予測 Y_j に対応するターゲット値であり、$$\delta$$ は、損失が二次関数から線形関数に遷移する遷移点です。

遷移点が 1 の場合、これは "滑らかな L₁ 損失" とも呼ばれます。

その後、この関数は、損失値をスカラーに縮小するため、次の式を使用して要素ごとの損失を縮小します。

$$\text{loss}=\frac{1}{N}{\displaystyle \sum _j{m}_j{w}_j{\text{loss}}_j,}$$

ここで、N は正規化係数、m_j は要素 j のマスク値、w_j は要素 j の重み値です。

損失を縮小しないことを選択した場合、この関数は、次のように損失値に対してマスクと重みを直接適用します。

$${\text{loss}}_j^{*}=m_j{w}_j{\text{loss}}_j$$

深層学習配列の形式

深層学習のほとんどのネットワークと関数は、入力データの各次元に対して異なる方法で演算を行います。

たとえば、LSTM 演算は入力データの時間次元を反復処理し、バッチ正規化演算は入力データのバッチ次元を正規化します。

ラベルが付いた次元をもつ入力データ、または追加のレイアウト情報をもつ入力データを指定するには、"データ形式" を使用します。

データの形式は文字列で、各文字はデータ内の対応する次元のタイプを表します。

各文字は以下のとおりです。

• "S" — 空間

• "C" — チャネル

• "B" — バッチ

• "T" — 時間

• "U" — 指定なし

たとえば、シーケンスのバッチを含み、1 番目、2 番目、および 3 番目の次元がそれぞれチャネル、観測値、およびタイム ステップに対応する配列の場合、"CBT" の形式で指定できます。

書式化された入力データを作成するには、dlarray オブジェクトを作成し、2 番目の引数を使用して形式を指定します。

書式化されていないデータを使用して追加のレイアウト情報を指定するには、引数 DataFormat および WeightsFormat を使用して形式を指定します。

詳細については、Deep Learning Data Formatsを参照してください。

拡張機能

GPU 配列

Parallel Computing Toolbox™ を使用してグラフィックス処理装置 (GPU) 上で実行することにより、コードを高速化します。

使用上の注意および制限:

• 以下の入力引数の少なくとも 1 つが、gpuArray 型の基になるデータをもつ gpuArray または dlarray である場合、この関数は GPU で実行されます。

  • Y

  • targets

  • weights

  • 'Mask'

詳細については、GPU での MATLAB 関数の実行 (Parallel Computing Toolbox)を参照してください。

バージョン履歴

R2021a で導入

参考

dlarray | dlgradient | dlfeval | softmax | sigmoid | crossentropy | mse | l1loss | l2loss

トピック

• 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
• カスタム学習ループを使用したネットワークの学習
• モデル関数を使用したネットワークの学習
• dlarray をサポートする関数の一覧