indexing1dLayer

1 次元インデックス層

R2023b 以降

説明

1 次元インデックス層は、入力データの時間次元または空間次元から、指定したインデックスのデータを抽出します。

作成

構文

layer = indexing1dLayer

layer = indexing1dLayer(index)

layer = indexing1dLayer(___,Name=Value)

説明

layer = indexing1dLayer は、入力データの時間次元または空間次元の最初のインデックスからデータを抽出する 1 次元インデックス層を作成します。

layer = indexing1dLayer(index) は、1 次元インデックス層オブジェクトを作成し、Index プロパティを設定します。

layer = indexing1dLayer(___,Name=Value) は、1 つ以上の名前と値の引数を使用して、1 次元インデックスプロパティと Name プロパティを設定します。

プロパティ

1 次元インデックス

Index — 抽出するデータのインデックス

"first" (既定値) | "last"

抽出するデータのインデックス。次のいずれかの値として指定します。

• "first" — 入力の最初のインデックスからデータを抽出します。

• "last" — 入力の最後のインデックスからデータを抽出します。

層にパディング マスクの入力がある場合、層はデータを抽出するときにパディング値を無視します。

HasPaddingMaskInput — 層にマスク入力があるかどうかを示すフラグ

0 (false) (既定値) | 1 (true)

層にパディング マスクを表す入力があるかどうかを示すフラグ。0 (false) または 1 (true) として指定します。

HasPaddingMaskInput プロパティが 0 (false) の場合、層は、入力データに対応する "in" という名前の 1 つの入力をもちます。この場合、層はすべての要素をデータとして扱います。

HasPaddingMaskInput プロパティが 1 (true) の場合、層は、それぞれ入力データおよびマスクに対応する "in" および "mask" という名前の 2 つの入力をもちます。この場合、パディング マスクは 1 と 0 から成る配列になります。層は、入力の要素について、マスク内の対応する要素が 1 の場合は使用し、0 の場合は無視します。

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、trainnet 関数および dlnetwork 関数は、名前のない層に自動的に名前を割り当てます。

Indexing1DLayer オブジェクトは、このプロパティを文字ベクトルとして格納します。

データ型: char | string

NumInputs — 入力の数

読み取り専用: 1 | 2

この プロパティ は読み取り専用です。

層への入力の数。1 または 2 として返されます。

HasPaddingMaskInput プロパティが 0 (false) の場合、層は、入力データに対応する "in" という名前の 1 つの入力をもちます。この場合、層はすべての要素をデータとして扱います。

HasPaddingMaskInput プロパティが 1 (true) の場合、層は、それぞれ入力データおよびマスクに対応する "in" および "mask" という名前の 2 つの入力をもちます。この場合、パディング マスクは 1 と 0 から成る配列になります。層は、入力の要素について、マスク内の対応する要素が 1 の場合は使用し、0 の場合は無視します。

データ型: double

InputNames — 入力名

読み取り専用: "in" | ["in" "mask"]

この プロパティ は読み取り専用です。

層の入力名。文字ベクトルの cell 配列として返されます。

HasPaddingMaskInput プロパティが 0 (false) の場合、層は、入力データに対応する "in" という名前の 1 つの入力をもちます。この場合、層はすべての要素をデータとして扱います。

HasPaddingMaskInput プロパティが 1 (true) の場合、層は、それぞれ入力データおよびマスクに対応する "in" および "mask" という名前の 2 つの入力をもちます。この場合、パディング マスクは 1 と 0 から成る配列になります。層は、入力の要素について、マスク内の対応する要素が 1 の場合は使用し、0 の場合は無視します。

Indexing1DLayer オブジェクトは、このプロパティを文字ベクトルの cell 配列として格納します。

NumOutputs — 出力の数

読み取り専用: 1 (既定値)

この プロパティ は読み取り専用です。

層からの出力の数。1 として格納されます。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

読み取り専用: {'out'} (既定値)

この プロパティ は読み取り専用です。

出力名。{'out'} として格納されます。この層には単一の出力のみがあります。

データ型: cell

例

1 次元インデックス層の作成

1 次元インデックス層を作成します。

layer = indexing1dLayer

layer = 
  Indexing1DLayer with properties:

                   Name: ''
                  Index: "first"
    HasPaddingMaskInput: 0

   Learnable Parameters
    No properties.

   State Parameters
    No properties.

  Show all properties

層グラフに 1 次元インデックス層を含めます。

numChannels = 1;

embeddingOutputSize = 64;
numWords = 128;

maxSequenceLength = 100;
maxPosition = maxSequenceLength+1;

numHeads = 4;
numKeyChannels = 4*embeddingOutputSize;

net = dlnetwork;

layers = [ 
    sequenceInputLayer(numChannels)
    wordEmbeddingLayer(embeddingOutputSize,numWords,Name="word-emb")
    embeddingConcatenationLayer(Name="emb-cat")
    positionEmbeddingLayer(embeddingOutputSize,maxPosition,Name="pos-emb");
    additionLayer(2,Name="add")
    selfAttentionLayer(numHeads,numKeyChannels,AttentionMask="causal")
    indexing1dLayer(Name="idx-first")
    fullyConnectedLayer(numWords)
    softmaxLayer];

net = addLayers(net,layers);
net = connectLayers(net,"emb-cat","add/in2");

ニューラル ネットワーク アーキテクチャを表示します。

plot(net)
axis off
box off

アルゴリズム

1 次元インデックス層

1 次元インデックス層は、入力データの時間次元または空間次元から、指定したインデックスのデータを抽出します。

以下に例を示します。

• numChannels×numObservations×numTimeSteps の配列で表されるシーケンス データ X の場合 (numChannels、numObservations、numTimeSteps はそれぞれ入力のチャネル数、観測値数、タイム ステップ数)、出力は X(:,:,idx) となります。ここで、idx は Index プロパティに対応するインデックスとなります。

• height×numChannels×numObservations の配列で表される 1 次元イメージ データ X の場合 (height、numChannels、numObservations は、それぞれ入力イメージの高さ、チャネル数、観測値数)、出力は X(idx,:,:) となります。ここで、idx は Index プロパティに対応するインデックスとなります。

層の入力形式と出力形式

層配列内または層グラフ内の層は、形式を整えた dlarray オブジェクトとして後続の層にデータを渡します。dlarray オブジェクトの形式は文字列で、各文字はデータ内の対応する次元を表します。この形式には次の文字が 1 つ以上含まれています。

• "S" — 空間

• "C" — チャネル

• "B" — バッチ

• "T" — 時間

• "U" — 指定なし

たとえば、4 次元配列として表された 2 次元イメージ データがあり、最初の 2 つの次元がイメージの空間次元に対応し、3 番目の次元がイメージのチャネルに対応し、4 番目の次元がバッチ次元に対応している場合、このイメージ データは "SSCB" (空間、空間、チャネル、バッチ) という形式で記述できます。

functionLayer オブジェクトを使用するか、関数 forward と関数 predict を dlnetwork オブジェクトと共に使用して、カスタム層の開発などの自動微分ワークフローで、これらの dlarray オブジェクトを操作できます。

次の表は、Indexing1DLayer オブジェクトでサポートされている入力形式、および対応する出力形式を示しています。ソフトウェアが nnet.layer.Formattable クラスを継承していないカスタム層、または Formattable プロパティが 0 (false) に設定された FunctionLayer オブジェクトに層の出力を渡す場合、その層は形式を整えていない dlarray オブジェクトを受け取り、この表に示された形式に従って次元が並べられます。ここには一部の形式のみを示します。層では、追加の "S" (空間) 次元または "U" (未指定) 次元をもつ形式など、追加の形式がサポートされている場合があります。

入力形式	出力形式
"SCB" (spatial、channel、batch)	"CB" (channel、batch)
"CBT" (channel、batch、time)	"CB" (channel、batch)
"SC" (spatial、channel)	"CU" (channel、unspecified)
"SB" (spatial、batch)	"BU" (batch、unspecified)
"SU" (spatial、unspecified)	"UU" (unspecified、unspecified)

dlnetwork オブジェクトでは、Indexing1DLayer オブジェクトもこれらの入力形式と出力形式の組み合わせをサポートします。

入力形式	出力形式
"CT" (channel、time)	"CU" (channel、unspecified)
"BT" (batch、time)	"BU" (batch、unspecified)
"TU" (time、unspecified)	"UU" (unspecified、unspecified)

拡張機能

C/C++ コード生成
MATLAB® Coder™ を使用して C および C++ コードを生成します。

GPU コード生成
GPU Coder™ を使用して NVIDIA® GPU のための CUDA® コードを生成します。

バージョン履歴

R2023b で導入

R2024a: コード生成のサポート

MATLAB^® Coder™ を使用して、C または C++ のコードを生成します。または、GPU Coder™ を使用して、NVIDIA^® GPU 用の CUDA^® コードを生成します。

参考

selfAttentionLayer | attentionLayer | positionEmbeddingLayer | sinusoidalPositionEncodingLayer | embeddingConcatenationLayer | trainnet | trainingOptions | dlnetwork

トピック

• MATLAB による深層学習
• 深層学習層の一覧
• 長短期記憶ニューラル ネットワーク
• 深層学習を使用した時系列予測
• 深層学習のヒントとコツ
• 深層学習用のデータセット