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。
image3dInputLayer
説明
3 次元イメージ入力層は、ネットワークに 3 次元イメージまたは 3 次元ボリュームを入力し、データ正規化を適用します。
2 次元イメージ入力の場合、imageInputLayer
を使用します。
作成
説明
は 3 次元イメージ入力層を返し、layer
= image3dInputLayer(inputSize
)InputSize
プロパティを指定します。
は、名前と値のペアを使用して、オプションのプロパティを設定します。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。layer
= image3dInputLayer(inputSize
,Name,Value
)
プロパティ
3 次元イメージ入力
InputSize
— 入力のサイズ
整数の行ベクトル
入力データのサイズ。整数の行ベクトル [h w d c]
として指定します。ここで、h
、w
、d
、および c
はそれぞれ高さ、幅、深さ、およびチャネル数に対応します。
グレースケール入力の場合、
c
が1
に等しいベクトルを指定します。RGB 入力の場合、
c
が3
に等しいベクトルを指定します。マルチスペクトル入力またはハイパースペクトル入力の場合、
c
がチャネル数に等しいベクトルを指定します。
2 次元イメージ入力の場合、imageInputLayer
を使用します。
例: [132 132 116 3]
Normalization
— データ正規化
'zerocenter'
(既定値) | 'zscore'
| 'rescale-symmetric'
| 'rescale-zero-one'
| 'none'
| 関数ハンドル
この プロパティ は読み取り専用です。
データが入力層を通じて順伝播されるたびに適用するデータ正規化。次のいずれかに指定します。
'zerocenter'
—Mean
によって指定された平均を減算します。'zscore'
—Mean
によって指定された平均を減算し、StandardDeviation
で除算します。'rescale-symmetric'
—Min
およびMax
によってそれぞれ指定された最小値と最大値を使用して、範囲 [-1, 1] に入力を再スケーリングします。'rescale-zero-one'
—Min
およびMax
によってそれぞれ指定された最小値と最大値を使用して、範囲 [0, 1] に入力を再スケーリングします。'none'
— 入力データを正規化しません。関数ハンドル — 指定した関数を使用してデータを正規化します。関数は、
Y = func(X)
という形式でなければなりません。ここで、X
は入力データ、出力Y
は正規化データです。
ヒント
既定では、関数 trainNetwork
の使用時に正規化統計量が自動的に計算されます。学習時に時間を節約するため、正規化に必要な統計量を指定し、trainingOptions
で ResetInputNormalization
オプションを 0
(fasle
) に設定します。
NormalizationDimension
— 正規化の次元
'auto'
(既定値) | 'channel'
| 'element'
| 'all'
正規化の次元。次のいずれかに指定します。
'auto'
– 学習オプションがfalse
の場合、いずれかの正規化統計量 (Mean
、StandardDeviation
、Min
、またはMax
) を指定し、統計量に一致する次元に対して正規化を行います。そうでない場合、学習時に統計量を再計算し、チャネル単位の正規化を適用します。'channel'
– チャネル単位の正規化。'element'
– 要素単位の正規化。'all'
– スカラーの統計量を使用してすべての値を正規化します。
データ型: char
| string
Mean
— ゼロ中心正規化および z スコア正規化の平均
[]
(既定値) | 4 次元配列 | 数値スカラー
ゼロ中心正規化および z スコア正規化の平均。h×w×d×c の配列、チャネルごとの平均から成る 1×1×1×c の配列、数値スカラー、または []
として指定します。ここで、h、w、d、および c はそれぞれ平均の高さ、幅、深さ、およびチャネル数に対応します。
Mean
プロパティを指定する場合、Normalization
は 'zerocenter'
または 'zscore'
でなければなりません。Mean
が []
の場合、関数 trainNetwork
は平均を計算します。カスタム学習ループを使用して dlnetwork
オブジェクトに学習させる場合、または関数 assembleNetwork
を使用して学習を行わずにネットワークを組み立てる場合は、Mean
プロパティを数値スカラーまたは数値配列に設定しなければなりません。
データ型: single
| double
| int8
| int16
| int32
| int64
| uint8
| uint16
| uint32
| uint64
StandardDeviation
— z スコア正規化の標準偏差
[]
(既定値) | 4 次元配列 | 数値スカラー
z スコア正規化の標準偏差。h×w×d×c の配列、チャネルごとの平均から成る 1×1×1×c の配列、数値スカラー、または []
として指定します。ここで、h、w、d、および c はそれぞれ標準偏差の高さ、幅、深さ、およびチャネル数に対応します。
StandardDeviation
プロパティを指定する場合、Normalization
は 'zscore'
でなければなりません。StandardDeviation
が []
の場合、関数 trainNetwork
は標準偏差を計算します。カスタム学習ループを使用して dlnetwork
オブジェクトに学習させる場合、または関数 assembleNetwork
を使用して学習を行わずにネットワークを組み立てる場合は、StandardDeviation
プロパティを数値スカラーまたは数値配列に設定しなければなりません。
データ型: single
| double
| int8
| int16
| int32
| int64
| uint8
| uint16
| uint32
| uint64
Min
— 再スケーリングの最小値
[]
(既定値) | 4 次元配列 | 数値スカラー
再スケーリングの最小値。h×w×d×c の配列、チャネルごとの最小値から成る 1×1×1×c の配列、数値スカラー、または []
として指定します。ここで、h、w、d、および c はそれぞれ最小値の高さ、幅、深さ、およびチャネル数に対応します。
Min
プロパティを指定する場合、Normalization
は 'rescale-symmetric'
または 'rescale-zero-one'
でなければなりません。Min
が []
の場合、関数 trainNetwork
は最小値を計算します。カスタム学習ループを使用して dlnetwork
オブジェクトに学習させる場合、または関数 assembleNetwork
を使用して学習を行わずにネットワークを組み立てる場合は、Min
プロパティを数値スカラーまたは数値配列に設定しなければなりません。
データ型: single
| double
| int8
| int16
| int32
| int64
| uint8
| uint16
| uint32
| uint64
Max
— 再スケーリングの最大値
[]
(既定値) | 4 次元配列 | 数値スカラー
再スケーリングの最大値。h×w×d×c の配列、チャネルごとの最大値から成る 1×1×1×c の配列、数値スカラー、または []
として指定します。ここで、h、w、d、および c はそれぞれ最大値の高さ、幅、深さ、およびチャネル数に対応します。
Max
プロパティを指定する場合、Normalization
は 'rescale-symmetric'
または 'rescale-zero-one'
でなければなりません。Max
が []
の場合、関数 trainNetwork
は最大値を計算します。カスタム学習ループを使用して dlnetwork
オブジェクトに学習させる場合、または関数 assembleNetwork
を使用して学習を行わずにネットワークを組み立てる場合は、Max
プロパティを数値スカラーまたは数値配列に設定しなければなりません。
データ型: single
| double
| int8
| int16
| int32
| int64
| uint8
| uint16
| uint32
| uint64
層
Name
— 層の名前
''
(既定値) | 文字ベクトル | string スカラー
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。Layer
配列入力の場合、関数 trainNetwork
、assembleNetwork
、layerGraph
、および dlnetwork
は、名前が ''
の層に自動的に名前を割り当てます。
データ型: char
| string
NumInputs
— 入力の数
0 (既定値)
この プロパティ は読み取り専用です。
層の入力の数。この層には入力がありません。
データ型: double
InputNames
— 入力名
{}
(既定値)
この プロパティ は読み取り専用です。
層の入力名。この層には入力がありません。
データ型: cell
NumOutputs
— 出力の数
1
(既定値)
この プロパティ は読み取り専用です。
層の出力の数。この層には単一の出力のみがあります。
データ型: double
OutputNames
— 出力名
{'out'}
(既定値)
この プロパティ は読み取り専用です。
層の出力名。この層には単一の出力のみがあります。
データ型: cell
例
3 次元イメージ入力層の作成
132×132×116 の 3 次元カラー イメージに対し、'input'
という名前で 3 次元イメージ入力層を作成します。既定では、すべての入力イメージから学習セットの平均イメージを減算することで、層でデータ正規化が実行されます。
layer = image3dInputLayer([132 132 116],'Name','input')
layer = Image3DInputLayer with properties: Name: 'input' InputSize: [132 132 116 1] Hyperparameters Normalization: 'zerocenter' NormalizationDimension: 'auto' Mean: []
3 次元イメージ入力層を Layer
配列に含めます。
layers = [ image3dInputLayer([28 28 28 3]) convolution3dLayer(5,16,'Stride',4) reluLayer maxPooling3dLayer(2,'Stride',4) fullyConnectedLayer(10) softmaxLayer classificationLayer]
layers = 7x1 Layer array with layers: 1 '' 3-D Image Input 28x28x28x3 images with 'zerocenter' normalization 2 '' 3-D Convolution 16 5x5x5 convolutions with stride [4 4 4] and padding [0 0 0; 0 0 0] 3 '' ReLU ReLU 4 '' 3-D Max Pooling 2x2x2 max pooling with stride [4 4 4] and padding [0 0 0; 0 0 0] 5 '' Fully Connected 10 fully connected layer 6 '' Softmax softmax 7 '' Classification Output crossentropyex
バージョン履歴
R2019a で導入R2019b: AverageImage
プロパティは削除予定
AverageImage
は削除される予定です。代わりに Mean
を使用してください。コードを更新するには、AverageImage
のすべてのインスタンスを Mean
に置き換えます。プロパティの間に違いがない場合は、コードをさらに更新する必要があります。
R2019b: imageInputLayer
および image3dInputLayer
は既定でチャネル単位の正規化を使用
R2019b 以降では、imageInputLayer
および image3dInputLayer
は既定でチャネル単位の正規化を使用します。以前のバージョンでは、これらの層は要素単位の正規化を使用します。この動作を再現するには、これらの層の NormalizationDimension
オプションを 'element'
に設定します。
MATLAB コマンド
次の MATLAB コマンドに対応するリンクがクリックされました。
コマンドを MATLAB コマンド ウィンドウに入力して実行してください。Web ブラウザーは MATLAB コマンドをサポートしていません。
Select a Web Site
Choose a web site to get translated content where available and see local events and offers. Based on your location, we recommend that you select: .
You can also select a web site from the following list:
How to Get Best Site Performance
Select the China site (in Chinese or English) for best site performance. Other MathWorks country sites are not optimized for visits from your location.
Americas
- América Latina (Español)
- Canada (English)
- United States (English)
Europe
- Belgium (English)
- Denmark (English)
- Deutschland (Deutsch)
- España (Español)
- Finland (English)
- France (Français)
- Ireland (English)
- Italia (Italiano)
- Luxembourg (English)
- Netherlands (English)
- Norway (English)
- Österreich (Deutsch)
- Portugal (English)
- Sweden (English)
- Switzerland
- United Kingdom (English)