groupedConvolution2dLayer
グループ化された 2 次元畳み込み層
説明
グループ化された 2 次元畳み込み層は、入力チャネルをグループに分けて、スライディング畳み込みフィルターを適用します。チャネル方向に分離可能な (深さ方向に分離可能とも呼ばれる) 畳み込みには、グループ化された畳み込み層を使用します。
この層では、各グループについて、入力に沿って垂直方向および水平方向にフィルターを移動させ、重みと入力のドット積を計算し、バイアス項を加算することによって、入力を畳み込みます。この層は、各グループの畳み込みを個別に結合します。グループの数がチャネルの数に等しい場合、この層はチャネル方向で畳み込みを実行します。
作成
構文
説明
は、グループ化された 2 次元畳み込み層を作成し、layer
= groupedConvolution2dLayer(filterSize
,numFiltersPerGroup
,numGroups
)FilterSize
、NumFiltersPerGroup
、および NumGroups
の各プロパティを設定します。
は、名前と値のペアを使用して、オプションの layer
= groupedConvolution2dLayer(___,Name,Value
)Stride
、DilationFactor
、パラメーターと初期化、学習率および正則化、および Name
の各プロパティを設定します。入力パディングを指定するには、名前と値のペアの引数 'Padding'
を使用します。たとえば、groupedConvolution2dLayer(5,128,2,'Padding','same')
は、サイズが [5 5]
である 128 個のフィルターから成る 2 つのグループで構成されたグループ化済みの 2 次元畳み込み層を作成し、出力が同じサイズとなるように入力をパディングします。複数の名前と値のペアを指定できます。各プロパティ名を一重引用符で囲みます。
名前と値の引数
プロパティ
例
アルゴリズム
参照
[1] Glorot, Xavier, and Yoshua Bengio. "Understanding the Difficulty of Training Deep Feedforward Neural Networks." In Proceedings of the Thirteenth International Conference on Artificial Intelligence and Statistics, 249–356. Sardinia, Italy: AISTATS, 2010. https://proceedings.mlr.press/v9/glorot10a/glorot10a.pdf
[2] He, Kaiming, Xiangyu Zhang, Shaoqing Ren, and Jian Sun. "Delving Deep into Rectifiers: Surpassing Human-Level Performance on ImageNet Classification." In 2015 IEEE International Conference on Computer Vision (ICCV), 1026–34. Santiago, Chile: IEEE, 2015. https://doi.org/10.1109/ICCV.2015.123
拡張機能
バージョン履歴
R2019a で導入