ドキュメンテーション

最新のリリースでは、このページがまだ翻訳されていません。 このページの最新版は英語でご覧になれます。

dropoutLayer

説明

ドロップアウト層は、与えられた確率でランダムに、入力要素をゼロに設定します。

作成

構文

layer = dropoutLayer
layer = dropoutLayer(probability)
layer = dropoutLayer(___,'Name',Name)

説明

layer = dropoutLayer はドロップアウト層を作成します。

layer = dropoutLayer(probability) は、ドロップアウト層を作成し、Probability プロパティを設定します。

layer = dropoutLayer(___,'Name',Name) は、名前と値のペアと、前の構文のいずれかの引数を使用して、オプションの Name プロパティを設定します。たとえば、dropoutLayer(0.4,'Name','drop1') は、ドロップアウトの確率が 0.4、名前が 'drop1' であるドロップアウト層を作成します。プロパティ名を一重引用符で囲みます。

プロパティ

すべて展開する

学習時間中に入力要素 (ニューロン) をドロップアウトする確率。0 ~ 1 の範囲の数値スカラーとして指定します。

大きい数値を指定するほど、学習時にドロップアウトされるニューロンの数が増加します。

例: 0.4

層の名前。文字ベクトルまたは string スカラーとして指定します。層グラフに層を含めるには、空ではない一意の層の名前を指定しなければなりません。この層が含まれる系列ネットワークに学習させて Name'' に設定すると、学習時に層に名前が自動的に割り当てられます。

データ型: char | string

すべて折りたたむ

'drop1' という名前のドロップアウト層を作成します。

layer = dropoutLayer('Name','drop1')
layer = 
  DropoutLayer with properties:

           Name: 'drop1'

   Hyperparameters
    Probability: 0.5000

Layer 配列にドロップアウト層を含めます。

layers = [ ...
    imageInputLayer([28 28 1])
    convolution2dLayer(5,20)
    reluLayer
    dropoutLayer
    fullyConnectedLayer(10)
    softmaxLayer
    classificationLayer]
layers = 
  7x1 Layer array with layers:

     1   ''   Image Input             28x28x1 images with 'zerocenter' normalization
     2   ''   Convolution             20 5x5 convolutions with stride [1  1] and padding [0  0  0  0]
     3   ''   ReLU                    ReLU
     4   ''   Dropout                 50% dropout
     5   ''   Fully Connected         10 fully connected layer
     6   ''   Softmax                 softmax
     7   ''   Classification Output   crossentropyex

詳細

すべて展開する

参照

[1] Srivastava, N., G. Hinton, A. Krizhevsky, I. Sutskever, R. Salakhutdinov. "Dropout: A Simple Way to Prevent Neural Networks from Overfitting." Journal of Machine Learning Research. Vol. 15, pp. 1929-1958, 2014.

[2] Krizhevsky, A., I. Sutskever, and G. E. Hinton. "ImageNet Classification with Deep Convolutional Neural Networks." Advances in Neural Information Processing Systems. Vol. 25, 2012.

R2016a で導入