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。

inputLayer

入力層

R2023b 以降

説明

入力層は、形式を整えていないデータまたはカスタム形式のデータをニューラル ネットワークに入力します。

• 2 次元イメージ入力の場合、imageInputLayer を使用します。

• 3 次元イメージ入力の場合、image3dInputLayer を使用します。

• シーケンス入力および時系列入力の場合、sequenceInputLayer を使用します。

• 表形式入力および特徴データ入力の場合、featureInputLayer を使用します。

作成

構文

layer = inputLayer(inputSize)

layer = inputLayer(inputSize,inputFormat)

layer = inputLayer(___,Name=name)

説明

layer = inputLayer(inputSize) は、形式を整えていないデータの入力層を作成します。 (R2025a 以降)

layer = inputLayer(inputSize,inputFormat) は、入力層を作成して、カスタムのデータ形式を指定します。

layer = inputLayer(___,Name=name) は、前述の構文の入力引数のいずれかの組み合わせに加えて、層名も指定します。たとえば、Name="in" は、層の名前が "in" であることを指定します。

入力引数

inputSize — 入力のサイズ

正の整数または NaN 値の行ベクトル

入力のサイズ。正の整数または NaN から成る行ベクトルとして指定します。

可変サイズのバッチ次元または時間次元をサポートするネットワークの場合、対応する次元のサイズを NaN として指定します。

この引数は InputSize プロパティを設定します。

例: [224 224 3]

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

inputFormat — データの次元の説明

"" (R2025a 以降) (既定値) | 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。

データ形式は文字列で、各文字は対応するデータ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表し、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があるとします。データは "CBT" (チャネル、バッチ、時間) の形式で記述できます。

InputFormat が "" である場合、層は形式を整えていないデータをニューラル ネットワークに直接渡します。後続の層が形式を整えていない入力データをサポートしていることを確認してください。 (R2025a 以降)

層の入力形式では、"S" または "U" のラベルが付いた次元を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。次元数が 2 より大きい場合、入力形式の右端にある "U" 次元に対応する入力サイズは 1 より大きくなければなりません。

詳細については、深層学習のデータ形式を参照してください。

この引数は InputFormat プロパティを設定します。

例: "SSCB"

例: "SCBT"

例: "TCB"

データ型: char | string

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。

この引数は Name プロパティを設定します。

データ型: char | string

プロパティ

入力

InputSize — 入力のサイズ

読み取り専用: 正の整数または NaN 値の行ベクトル

この プロパティ は読み取り専用です。

このプロパティは、作成後、読み取り専用になります。

入力のサイズ。正の整数または NaN の行ベクトルとして保存されます。

可変サイズのバッチ次元または時間次元をサポートするネットワークの場合、対応する値は NaN となります。

データ型: double

InputFormat — データの次元の説明

文字ベクトル

このプロパティは、作成後、読み取り専用になります。

データの次元の説明。文字ベクトルとして保存されます。

データ形式は文字列で、各文字は対応するデータ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表し、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があるとします。データは "CBT" (チャネル、バッチ、時間) の形式で記述できます。

InputFormat が "" である場合、層は形式を整えていないデータをニューラル ネットワークに直接渡します。後続の層が形式を整えていない入力データをサポートしていることを確認してください。 (R2025a 以降)

詳細については、深層学習のデータ形式を参照してください。

データ型: char

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 関数と dlnetwork 関数は、名前が "" の層に新しい一意の名前を自動的に割り当てます。

InputLayer 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: 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

読み取り専用: {} (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

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 次元イメージ入力層の作成

1 次元イメージ データ (空間、チャネル、観測値に対応する次元をもつ 3 次元データ) を入力する入力層を作成します。データに 3 つのチャネルがあり、イメージの高さのサイズが 64 であることを指定します。バッチ次元が可変であることを指定します。

inputSize = [64 3 NaN];
inputFormat = "SCB";
layer = inputLayer(inputSize,inputFormat)

layer = 
  InputLayer with properties:

           Name: ''
      InputSize: [64 3 NaN]
    InputFormat: 'SCB'

入力層をネットワークに含めます。

layers = [
    inputLayer([64 3 NaN],"SCB")
    convolution1dLayer(5,32)
    batchNormalizationLayer
    reluLayer
    fullyConnectedLayer(10)
    softmaxLayer];

時空間入力層の作成

時空間データ (空間、チャネル、時間、観測値に対応する次元をもつ 4 次元データ) を入力する入力層を作成します。データに 3 つのチャネルがあり、空間のサイズが 64 であることを指定します。バッチ次元と時間次元が可変であることを指定します。

inputSize = [64 3 NaN NaN];
inputFormat = "SCBT";
layer = inputLayer(inputSize,inputFormat)

layer = 
  InputLayer with properties:

           Name: ''
      InputSize: [64 3 NaN NaN]
    InputFormat: 'SCBT'

入力層をネットワークに含めます。

layers = [
    inputLayer([64 3 NaN NaN],"SCBT")
    convolution1dLayer(5,32)
    batchNormalizationLayer
    reluLayer
    globalAveragePooling1dLayer
    flattenLayer
    lstmLayer(100,OutputMode="last")
    fullyConnectedLayer(10)
    softmaxLayer];

アルゴリズム

複素数

InputLayer オブジェクトは、後続の層への複素数値データの受け渡しをサポートします。 (R2024a 以降)

複素数値のデータをもつネットワークに学習させる方法を説明する例については、複素数値データを使用したネットワークの学習を参照してください。

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。

使用上の注意および制限:

任意の数の空間次元をもつ形式に対して、深層学習用サードパーティ ライブラリに依存しない C コードまたは C++ コードを生成できます。たとえば、コード生成では、inputLayer の入力形式 "SSSCBT" (空間、空間、空間、チャネル、バッチ、時間) がサポートされます。

ARM^® Compute および Intel^® MKL-DNN のコード生成では、次の入力形式の順列のみがサポートされます。

• "CB" (channel、batch)

• "SSCB" (spatial、spatial、channel、batch)

• "CBT" (channel、batch、time)

• "SSCBT" (spatial、spatial、channel、batch、time)

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。

使用上の注意および制限:

• 任意の数の空間次元をもつ形式に対して、深層学習ライブラリに依存しない標準 CUDA コードを生成できます。たとえば、コード生成では、inputLayer の入力形式 "SSSCBT" (空間、空間、空間、チャネル、バッチ、時間) がサポートされます。

• NVIDIA^® CUDA^® 深層ニューラル ネットワーク ライブラリ (cuDNN) または NVIDIA TensorRT™ 高性能推論ライブラリを利用するコードを生成できます。

  cuDNN ライブラリは、次の入力形式の順列をサポートしています。

  • "CB" (channel、batch)

  • "SSCB" (spatial、spatial、channel、batch)

  • "CBT" (channel、batch、time)

  • "SSCBT" (spatial、spatial、channel、batch、time)

• TensorRT ライブラリは、次の入力形式の順列をサポートしています。

  • "CB" (channel、batch)

  • "SSCB" (spatial、spatial、channel、batch)

  • "CBT" (channel、batch、time)

バージョン履歴

R2023b で導入

R2025a: 形式を整えていない入力

形式を整えていないデータをニューラル ネットワークに渡す入力層を作成するには、構文 inputLayer(inputSize) を使用するか、引数 inputSize を "" に設定します。

R2024a: 複素数値の入力

ニューラル ネットワークへの入力が複素数値の場合、層は複素数値のデータを後続の層に渡します。

参考

imageInputLayer | image3dInputLayer | sequenceInputLayer | featureInputLayer | importNetworkFromPyTorch | importTensorFlowNetwork | importONNXNetwork | addInputLayer | exportNetworkToSimulink | Rescale-Symmetric 1D | Rescale-Zero-One 1D | Zerocenter 1D | Zscore 1D

トピック

• Interoperability Between Deep Learning Toolbox, TensorFlow, PyTorch, and ONNX
• Tips on Importing Models from TensorFlow, PyTorch, and ONNX
• 事前学習済みの深層ニューラル ネットワーク
• Deploy Imported TensorFlow Model with MATLAB Compiler