softplusLayer

ソフトプラス層

説明

ソフトプラス層は、層の入力に対してソフトプラス活性化関数を適用します。

作成

構文

layer = softplusLayer

layer = softplusLayer(Name=name)

説明

layer = softplusLayer は、ソフトプラス層を作成します。

layer = softplusLayer(Name=name) は、層の名前も設定します。たとえば、Name="splus" は層の名前を "splus" に設定します。

入力引数

name — 層の名前

"softplus" (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

Name — 層の名前

'softplus' (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。

SoftplusLayer 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

Description — 層についての 1 行の説明

読み取り専用: 'Softplus' (既定値)

この プロパティ は読み取り専用です。

層についての 1 行の説明。'Softplus' として保存されます。この説明は、Layer 配列を表示するとき、および analyzeNetwork 関数を使用するときに表示されます。

Type — 層のタイプ

読み取り専用: 'Softplus' (既定値)

この プロパティ は読み取り専用です。

層のタイプ。'Softplus' として保存されます。このタイプは、Layer 配列を表示するとき、および analyzeNetwork 関数を使用するときに表示されます。

NumInputs — 入力の数

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。

層への入力の数。1 として格納されます。この層は単一の入力のみを受け入れます。

データ型: double

InputNames — 入力名

読み取り専用: {'in'} (既定値)

この プロパティ は読み取り専用です。

入力名。{'in'} として格納されます。この層は単一の入力のみを受け入れます。

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

ソフトプラス層の作成

"splus" という名前のソフトプラス層を作成します。

layer = softplusLayer(Name="splus")

layer = 
  SoftplusLayer with properties:

    Name: 'splus'

   Learnable Parameters
    No properties.

   State Parameters
    No properties.

  Show all properties

層配列にソフトプラス層を含めます。

layers = [
    featureInputLayer(10)
    fullyConnectedLayer(12)
    softplusLayer];

アルゴリズム

ソフトプラス層

ソフトプラス層は、層の入力に対してソフトプラス活性化関数を適用します。

ソフトプラス層は、ソフトプラス活性化関数を適用します。

$$Y=\log \left(1+e^X\right),$$

ここで、X は層の入力です。

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。

SoftplusLayer オブジェクトは要素単位の演算を適用し、あらゆる形式の入力データをサポートします。層は、次元を追加したり削除したりせず、入力データと同じ形式でデータを出力します。

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

R2020a で導入

R2025a: Deep Learning Toolbox への移行

この層に必要なのは、Deep Learning Toolbox™ のみになりました。以前のリリースでは、この層に Reinforcement Learning Toolbox™ も必要でした。

この層に関していくつか変更点があります。

• Description プロパティの既定値は 'Softplus' です。以前のリリースでの既定値は 'Softplus layer' です。

• 名前と値の引数を使用して Description を設定することは推奨されません。代わりに既定値を使用してください。Description 引数を設定するコードは引き続き機能します。

• Type プロパティの既定値は 'Softplus' です。以前のリリースでの既定値は "SoftplusLayer" です。

• softplusLayer オブジェクトのクラス名が変更されています。これらのオブジェクトの以前のクラス名を参照するコードがある場合は、その参照を新しいクラス名で置き換えてください。ほとんどの場合、コードは引き続き動作します。

  次の表は、この層の class 関数の出力に関する変更点を示しています。

  layer	class(layer) (R2025a より前)	class(layer) (R2025a 以降)
  softplusLayer オブジェクト	'rl.layer.SoftplusLayer'	'nnet.cnn.layer.SoftplusLayer'

  isa 関数は、以前のリリースと同じ値を返します。たとえば、R2025a では、isa(layer,"nnet.cnn.layer.SoftplusLayer") と isa(layer,"rl.layer.SoftplusLayer") のどちらも、softplusLayer オブジェクトに対して 1 (true) を返します。

  class 関数によって返される値を使用するコードがある場合は、新しいクラス名を使用するようにコードを更新しなければなりません。たとえば、インスタンスを次のように置き換えます。

  if class(layer) == "rl.layer.SoftplusLayer"
      ...
  end

  ここで

  if isa(layer,"nnet.cnn.layer.SoftplusLayer")
      ...
  end

参考

dlnetwork | trainingOptions | trainnet | scalingLayer | quadraticLayer

トピック

• 分類用のシンプルな深層学習ニューラル ネットワークの作成
• 回帰用の畳み込みニューラル ネットワークの学習
• MATLAB による深層学習
• 深層学習層の一覧