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。

addLayers

ニューラル ネットワークへの層の追加

構文

netUpdated = addLayers(net,layers)

説明

netUpdated = addLayers(net,layers) は、layers 内のネットワーク層を dlnetwork オブジェクト net に追加します。更新されたネットワーク netUpdated には、net の層および結合と共に、順に結合された layers の層が含まれます。layers に含まれる層の名前は一意でなければならず、空であってはならず、net に含まれる層の名前とは異なっていなければなりません。

例

ニューラル ネットワークへの層の追加

空のニューラル ネットワーク、および層の配列を作成します。関数 addLayers は層を直列に結合します。

net = dlnetwork;

layers = [
    imageInputLayer([32 32 3])  
    convolution2dLayer(3,16,Padding="same")
    batchNormalizationLayer
    reluLayer];

net = addLayers(net,layers);

ニューラル ネットワークをプロットで表示します。

figure
plot(net)

ニューラル ネットワークのゼロからの作成

入力として与えられた 2 次元イメージの categorical ラベルと数値を両方予測する 2 出力ニューラル ネットワークを定義します。

クラスと応答の数を指定します。

numClasses = 10;
numResponses = 1;

空のニューラル ネットワークを作成します。

net = dlnetwork;

ネットワークの主分岐の層、およびソフトマックス出力を定義します。

layers = [
    imageInputLayer([28 28 1],Normalization="none")

    convolution2dLayer(5,16,Padding="same")
    batchNormalizationLayer
    reluLayer(Name="relu_1")

    convolution2dLayer(3,32,Padding="same",Stride=2)
    batchNormalizationLayer
    reluLayer
    convolution2dLayer(3,32,Padding="same")
    batchNormalizationLayer
    reluLayer

    additionLayer(2,Name="add")

    fullyConnectedLayer(numClasses)
    softmaxLayer(Name="softmax")];

net = addLayers(net,layers);

スキップ接続を追加します。

layers = [
    convolution2dLayer(1,32,Stride=2,Name="conv_skip")
    batchNormalizationLayer
    reluLayer(Name="relu_skip")];

net = addLayers(net,layers);
net = connectLayers(net,"relu_1","conv_skip");
net = connectLayers(net,"relu_skip","add/in2");

回帰出力用に全結合層を追加します。

layers = fullyConnectedLayer(numResponses,Name="fc_2");
net = addLayers(net,layers);
net = connectLayers(net,"add","fc_2");

ニューラル ネットワークをプロットで表示します。

figure
plot(net)

入力引数

net — ニューラル ネットワーク

dlnetwork オブジェクト

ニューラル ネットワーク。dlnetwork オブジェクトとして指定します。

layers — ネットワーク層

Layer 配列

ネットワーク層。Layer 配列として指定します。

組み込み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。

出力引数

netUpdated — 更新されたネットワーク

dlnetwork オブジェクト

更新されたネットワーク。未初期化の dlnetwork オブジェクトとして返されます。

dlnetwork オブジェクトの学習可能なパラメーターを初期化するには、関数 initialize を使用します。

関数 addLayers は量子化情報を保持しません。入力ネットワークが量子化されたネットワークであった場合でも、出力ネットワークに量子化情報は含まれません。

バージョン履歴

R2017b で導入

R2024a: LayerGraph オブジェクトは非推奨

R2024a 以降、LayerGraph オブジェクトは非推奨となりました。代わりに、dlnetwork オブジェクトを使用してください。この推奨により、、LayerGraph を入力する次の構文も非推奨となります。

• lgraphUpdated = addLayers(lgraph,layers)

LayerGraph オブジェクトをサポートするほとんどの関数は、dlnetwork オブジェクトもサポートします。LayerGraph オブジェクトの代表的な使用法と、代わりにオブジェクト関数 dlnetwork を使用するためのコードの更新方法を、次の表に示します。

非推奨	推奨
lgraph = layerGraph;	net = dlnetwork;
lgraph = layerGraph(layers);	net = dlnetwork(layers,Initialize=false);
lgraph = layerGraph(net);	net = dag2dlnetwork(net);
lgraph = addLayers(lgraph,layers);	net = addLayers(net,layers);
lgraph = removeLayers(lgraph,layerNames);	net = removeLayers(net,layerNames);
lgraph = replaceLayer(lgraph,layerName,layers);	net = replaceLayer(net,layerName,layers);
lgraph = connectLayers(lgraph,s,d);	net = connectLayers(net,s,d);
lgraph = disconnectLayers(lgraph,s,d);	net = disconnectLayers(net,s,d);
plot(lgraph);	plot(net);

dlnetwork オブジェクトとして指定されたニューラル ネットワークに学習させるには、関数 trainnet を使用します。

参考

trainnet | trainingOptions | dlnetwork | removeLayers | connectLayers | disconnectLayers | plot | replaceLayer

トピック

• 新しいイメージを分類するためのニューラル ネットワークの再学習
• 複数の出力をもつネットワークの学習
• 深層学習を使用したビデオの分類