Main Content

Layer

深層学習用のネットワーク層

このページをすべて展開する

説明

深層学習用のニューラル ネットワークのアーキテクチャを定義する層。

作成

MATLAB® の深層学習層の一覧については、深層学習層の一覧を参照してください。すべての層が順に結合されたニューラル ネットワークのアーキテクチャを指定するには、層の配列を直接作成します。層に複数の入力または出力が存在する可能性があるネットワークのアーキテクチャを指定するには、dlnetwork オブジェクトを使用します。

または、それぞれ importCaffeLayers、importKerasLayers、および importONNXLayers を使用して、Caffe、Keras、および ONNX から層をインポートできます。

独自のカスタム層を作成する方法については、カスタム深層学習層の定義を参照してください。

例

すべて折りたたむ

ライブ スクリプトを開く

1 つの畳み込み層、ReLU 層、全結合層がある分類用の畳み込みニューラル ネットワーク アーキテクチャを定義します。

layers = [ ...
    imageInputLayer([28 28 3])
    convolution2dLayer([5 5],10)
    reluLayer
    fullyConnectedLayer(10)
    softmaxLayer
    classificationLayer]
layers = 
  6x1 Layer array with layers:

     1   ''   Image Input             28x28x3 images with 'zerocenter' normalization
     2   ''   2-D Convolution         10 5x5 convolutions with stride [1  1] and padding [0  0  0  0]
     3   ''   ReLU                    ReLU
     4   ''   Fully Connected         10 fully connected layer
     5   ''   Softmax                 softmax
     6   ''   Classification Output   crossentropyex

layers は Layer オブジェクトです。

または、層を個別に作成してから連結することもできます。 

input = imageInputLayer([28 28 3]);
conv = convolution2dLayer([5 5],10);
relu = reluLayer;
fc = fullyConnectedLayer(10);
sm = softmaxLayer;
co = classificationLayer;

layers = [ ...
    input
    conv
    relu
    fc
    sm
    co]
layers = 
  6x1 Layer array with layers:

     1   ''   Image Input             28x28x3 images with 'zerocenter' normalization
     2   ''   2-D Convolution         10 5x5 convolutions with stride [1  1] and padding [0  0  0  0]
     3   ''   ReLU                    ReLU
     4   ''   Fully Connected         10 fully connected layer
     5   ''   Softmax                 softmax
     6   ''   Classification Output   crossentropyex
ライブ スクリプトを開く

1 つの畳み込み層、ReLU 層、全結合層がある分類用の畳み込みニューラル ネットワーク アーキテクチャを定義します。

layers = [ ...
    imageInputLayer([28 28 3])
    convolution2dLayer([5 5],10)
    reluLayer
    fullyConnectedLayer(10)
    softmaxLayer];

最初の層を選択して、イメージ入力層を表示します。

layers(1)
ans = 
  ImageInputLayer with properties:

                      Name: ''
                 InputSize: [28 28 3]
        SplitComplexInputs: 0

   Hyperparameters
          DataAugmentation: 'none'
             Normalization: 'zerocenter'
    NormalizationDimension: 'auto'
                      Mean: []

イメージ入力層の入力サイズを表示します。

layers(1).InputSize
ans = 1×3

    28    28     3

畳み込み層のストライドを表示します。

layers(2).Stride
ans = 1×2

     1     1

全結合層のバイアス学習率係数にアクセスします。

layers(4).BiasLearnRateFactor
ans = 1

バージョン履歴

R2016a で導入

参考

| |

トピック