多入力および多出力ネットワーク

Deep Learning Toolbox™ では、複数の出力 (たとえば、複数のソースおよびタイプのデータで学習させたネットワーク) または複数の出力 (たとえば、分類および回帰の両方の応答を予測するネットワーク) があるネットワークアーキテクチャを定義できます。

多入力ネットワーク

ネットワークに複数のソースまたは異なる形式のデータが必要な場合に、複数の入力があるネットワークを定義します。たとえば、複数のセンサーから異なる解像度で取得されたイメージデータを必要とするネットワークです。

学習

複数の入力がある深層学習ネットワークの定義と学習を行うには、layerGraph オブジェクトまたは dlnetwork オブジェクトを使用してネットワークアーキテクチャを指定し、関数 trainNetwork または trainnet をそれぞれ使用して学習させます。

複数の入力層があるネットワークにデータストアを使用するには、関数 combine および transform を使用して、列数が (numInputs + 1) の cell 配列を出力するデータストアを作成します。ここで、numInputs はネットワーク入力の数です。この場合、最初の numInputs 列は各入力の予測子を指定し、最後の列は応答を指定します。入力の順序は、層グラフ layers の InputNames プロパティによって指定します。

イメージと特徴の両方の入力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、イメージデータおよび特徴データにおけるネットワークの学習を参照してください。

ヒント

ネットワークに複数の出力もある場合、カスタム学習ループを使用しなければなりません。詳細については、多出力ネットワークを参照してください。