dlarray 用のコード生成

`dlarray` 用のコード生成

深層学習配列には、カスタム学習ループ用のデータとオプションのデータ形式ラベルが格納されます。関数は、この配列を使用し、自動微分による微分の計算を行ってその結果を利用することができます。カスタム学習ループ、自動微分、深層学習配列の詳細については、自動微分を使用したカスタム学習 (Deep Learning Toolbox)を参照してください。

コード生成は、形式を整えた深層学習配列と形式を整えていない深層学習配列の両方をサポートします。gpuArrays を含む dlarray オブジェクトは、コード生成でもサポートされます。深層学習配列を使用して C/C++ コードを生成するには、MATLAB Coder Interface for Deep Learning をインストールする必要があります。CUDA^® コードを生成して NVIDIA^® GPU に展開するには、GPU Coder Interface for Deep Learning をインストールする必要があります。CPU コード生成および GPU コード生成で深層学習配列を使用する場合は、以下の制限に従ってください。

コード生成用の `dlarray` の定義

コード生成の場合、関数 dlarray (Deep Learning Toolbox) を使用して深層学習配列を作成します。たとえば、mynet.mat MAT ファイルに、事前学習済みの dlnetwork (Deep Learning Toolbox) ネットワークオブジェクトがあるとします。このネットワークの応答を予測するには、MATLAB^® でエントリポイント関数を作成します。

以下の 2 つの選択肢があります。

設計 1 (非推奨)

この設計例では、エントリポイント関数 foo に対する入力と出力が dlarray 型です。MATLAB では dlarray によってラベルの順序が 'SCBTU' に適用されるため、エントリポイント関数のこの型はコード生成において推奨されません。MEX コードを生成する場合もこれと同じ動作になります。ただし、スタティックライブラリ、ダイナミックライブラリ、実行可能ファイルなどのスタンドアロンコードを生成する場合、データ形式は dlarray オブジェクトの fmt 引数の仕様に従います。その結果、エントリポイント関数の入力または出力が dlarray オブジェクトであり、ラベルの順序が 'SCBTU' でない場合、データレイアウトは MATLAB 環境とスタンドアロンコードで異なることになります。

function dlOut = foo(dlIn)

persistent dlnet;
if isempty(dlnet)
    dlnet = coder.loadDeepLearningNetwork('mynet.mat');
end

dlOut = predict(dlnet, dlIn);

end

設計 2 (推奨)

この設計例では、foo への入力と出力がプリミティブデータ型となり、dlarray オブジェクトが関数内に作成されます。dlarray オブジェクトの extractdata (Deep Learning Toolbox) メソッドは、dlarray dlA のデータを foo の出力として返します。出力 a のデータ型は、dlA の基になるデータ型と同じです。

Design 1 と比較すると、このエントリポイント設計には次の利点があります。

スタティックライブラリ、ダイナミックライブラリ、実行可能ファイルなどのスタンドアロンコード生成ワークフローとの統合が容易になる。
関数 extractdata からの出力のデータ形式が、MATLAB 環境と生成されたコードの両方で同じ順序 ('SCBTU') になる。
MEX ワークフローでのパフォーマンスが向上する。
Simulink^® は dlarray オブジェクトをネイティブにサポートしていないが、MATLAB Function ブロックの使用により Simulink ワークフローが単純化される。

function a = foo(in)
dlIn = dlarray(in, 'SSC');

persistent dlnet;
if isempty(dlnet)
    dlnet = coder.loadDeepLearningNetwork('mynet.mat');
end

dlA = predict(dlnet, dlIn);

a = extractdata(dlA);

end

GPU Coder での dlnetwork と dlarray の使用例を確認するには、GPU Coder™ を参照してください。

複素数値の `dlarray` オブジェクトのコード生成

コード生成では、dlarray オブジェクトを使用する複素数関数がサポートされます。dlarray をサポートする複素数関数に複素数値の入力を渡し、サードパーティライブラリに依存しない C/C++ コードおよび CUDA コードを生成できます。MATLAB Function Block を使用して、Simulink で複素数値の dlarray サポート機能を実装できます。

コード生成では、dlnetwork オブジェクトの predict メソッドに複素数値の入力を渡すことはサポートされていません。コード生成の場合、dlnetwork オブジェクトの predict メソッドに対する dlarray 入力は single データ型でなければなりません。

コード生成時に入力が実数として指定されている場合、複素数値の入力を MEX 関数に渡すことはできません。複素数データに対するコード生成サポートの使用上の注意および制限の詳細については、複素数データのコード生成を参照してください。

コード生成をサポートする `dlarray` オブジェクト関数

コード生成の場合、この表にリストされている深層学習配列オブジェクト関数に制限されます。使用上の注意および制限の詳細については、リファレンスページの「拡張機能」のセクションを参照してください。

`dims` (Deep Learning Toolbox)	`dlarray` の次元ラベル
`extractdata` (Deep Learning Toolbox)	`dlarray` からのデータの抽出
`finddim` (Deep Learning Toolbox)	指定されたラベルをもつ次元の検索
`stripdims` (Deep Learning Toolbox)	`dlarray` ラベルの削除

`dlarray` コード生成をサポートする Deep Learning Toolbox 関数

深層学習の操作

関数	説明
`avgpool` (Deep Learning Toolbox)	平均プーリング演算は、入力をプーリング領域に分割し、各領域の平均値を計算することによって、ダウンサンプリングを実行します。
`batchnorm` (Deep Learning Toolbox)	バッチ正規化演算は、観測値全体における入力データの正規化を、各チャネルについて個別に行います。畳み込みニューラルネットワークの学習速度を上げ、ネットワークの初期化に対する感度を下げるには、`relu` (Deep Learning Toolbox) など、畳み込み演算と非線形演算の間のバッチ正規化を使用します。
`dlconv` (Deep Learning Toolbox)	畳み込み演算は、入力データにスライディングフィルターを適用します。関数 `dlconv` (Deep Learning Toolbox) は、深層学習畳み込み、グループ化された畳み込み、チャネル方向に分離可能な畳み込みで使用します。
`fullyconnect` (Deep Learning Toolbox)	全結合演算は、入力に重み行列を乗算してから、バイアスベクトルを加算します。
`leakyrelu` (Deep Learning Toolbox)	漏洩 (leaky) 正規化線形ユニット (ReLU) 活性化演算は、非線形のしきい値処理を実行し、ゼロよりも小さい入力値を固定スケール係数で乗算します。
`maxpool` (Deep Learning Toolbox)	最大プーリング演算は、入力をプーリング領域に分割し、各領域の最大値を計算することによって、ダウンサンプリングを実行します。
`relu` (Deep Learning Toolbox)	正規化線形ユニット (ReLU) 活性化演算は、非線形のしきい値処理を実行し、ゼロよりも小さい入力値をゼロに設定します。
`sigmoid` (Deep Learning Toolbox)	シグモイド活性化演算は、入力データにシグモイド関数を適用します。
`softmax` (Deep Learning Toolbox)	ソフトマックス活性化演算は、入力データのチャネルの次元にソフトマックス関数を適用します。

`dlarray` コード生成をサポートする MATLAB 関数

単項の要素単位の関数

関数	注意と制限
`abs`	出力 `dlarray` のデータ形式は入力 `dlarray` と同じになります。
`acos`
`acosh`
`acot`
`acsc`
`angle`
`asec`
`asin`
`asinh`
`atan`
`atan2`
`atanh`
`conj`
`cos`
`cosh`
`cot`
`csc`
`exp`
`imag`
`real`
`reallog`
`realsqrt`
`log`
`sec`
`sign`
`sin`
`sinh`
`sqrt`
`tan`
`tanh`
`uplus`, `+`
`uminus`, `-`
`erf`

二項の要素単位の演算子

関数	注意と制限
`complex`	1 入力の構文の場合、出力 `dlarray` のデータ形式は入力 `dlarray` と同じになります。 2 入力の構文の場合、`dlarray` 入力の形式が整っている場合はそのデータ形式が一致していなければなりません。
`minus`, `-`	2 つの `dlarray` 入力の形式が整っている場合、出力 `dlarray` は、その両方のデータ形式の組み合わせを使用して形式を整えます。この関数は暗黙的な拡張を使用して入力を結合します。詳細については、データ形式での暗黙的な拡張 (Deep Learning Toolbox)を参照してください。
`plus`, `+`
`power`, `.^`
`rdivide`, `./`
`realpow`
`times`, `.*`

リダクション関数

関数	注意と制限
`mean`	出力 `dlarray` のデータ形式は入力 `dlarray` と同じになります。 `'omitnan'` オプションはサポートされません。入力 `dlarray` が GPU にある場合、`'native'` オプションはサポートされません。
`prod`	出力 `dlarray` のデータ形式は入力 `dlarray` と同じになります。 `'omitnan'` オプションはサポートされません。
`sum`
`vecnorm`	出力 `dlarray` のデータ形式は入力 `dlarray` と同じになります。

極値関数

関数	注意と制限
`ceil`	出力 `dlarray` のデータ形式は入力 `dlarray` と同じになります。
`eps`	出力 `dlarray` のデータ形式は入力 `dlarray` と同じになります。 `eps(ones(‘like’, x))` を使用して、`dlarray` `x` のデータ型に基づいてスカラーのイプシロンの値を取得します。
`fix`	出力 `dlarray` のデータ形式は入力 `dlarray` と同じになります。
`floor`	出力 `dlarray` のデータ形式は入力 `dlarray` と同じになります。
`max`	単一の `dlarray` の最大要素または最小要素が見つかった場合、出力 `dlarray` のデータ形式は入力 `dlarray` と同じになります。形式が整っている 2 つの `dlarray` 入力間に最大要素または最小要素が見つかった場合、出力 `dlarray` には両方のデータ形式の組み合わせが含まれます。この関数は暗黙的な拡張を使用して入力を結合します。詳細については、データ形式での暗黙的な拡張 (Deep Learning Toolbox)を参照してください。インデックスの出力引数はトレースされないため、自動微分と併用することはできません。詳細については、Deep Learning Toolbox での自動微分の使用 (Deep Learning Toolbox)を参照してください。
`min`
`round`	構文 `Y = round(X)` のみがサポートされます。出力 `dlarray` のデータ形式は入力 `dlarray` と同じになります。

フーリエ変換

関数注意と制限

fft 形式を整えていない入力配列のみがサポートされます。

関数	注意と制限
`fft`	形式を整えていない入力配列のみがサポートされます。
`ifft`	形式を整えていない入力配列のみがサポートされます。 `'symmetric'` オプションを使用する場合、`ifft` は、入力 `Y` を厳密に対称であるものとして扱います。自動微分を使用して導関数を計算する場合、導関数も厳密に対称となります。`Y` が非対称の場合、関数と勾配の動作が一致しない可能性があります。非対称の入力に対して関数と勾配の動作を必ず一致させるには、`Y` を明示的に対称化します。

ifft

形式を整えていない入力配列のみがサポートされます。
'symmetric' オプションを使用する場合、ifft は、入力 Y を厳密に対称であるものとして扱います。自動微分を使用して導関数を計算する場合、導関数も厳密に対称となります。Y が非対称の場合、関数と勾配の動作が一致しない可能性があります。非対称の入力に対して関数と勾配の動作を必ず一致させるには、Y を明示的に対称化します。

その他の算術演算

関数	注意と制限
`colon`, `:`	サポートされている演算は次のとおりです。 `a:b` `a:b:c` `dlarray` のインデックス付けの詳細については、インデックス (Deep Learning Toolbox)を参照してください。すべての入力は実数スカラーでなければなりません。出力 `dlarray` の形式は整っていません。
`mtimes`, `*`	一方の入力を形式を整えた `dlarray` にできるのは、もう片方の入力が形式の整っていないスカラーである場合のみです。この場合、出力 `dlarray` のデータ形式は、形式を整えた `dlarray` 入力と同じになります。 `dlarray` ではないスパース行列と `dlarray` の乗算は、両方の入力が非スカラーの場合にのみサポートされています。
`pagemtimes`	一方の入力を形式を整えた `dlarray` にできるのは、もう片方のページの入力が形式の整っていないスカラーである場合のみです。この場合、出力 `dlarray` のデータ形式は、形式を整えた `dlarray` 入力と同じになります。コード生成の場合、`pagemtimes` の各転置オプションは定数でなければなりません。
`pinv`
`sort`

論理演算

関数	注意と制限
`and`, `&`	2 つの `dlarray` 入力の形式が整っている場合、出力 `dlarray` は、その両方のデータ形式の組み合わせを使用して形式を整えます。この関数は暗黙的な拡張を使用して入力を結合します。詳細については、データ形式での暗黙的な拡張 (Deep Learning Toolbox)を参照してください。
`eq`, `==`	2 つの `dlarray` 入力の形式が整っている場合、出力 `dlarray` は、その両方のデータ形式の組み合わせを使用して形式を整えます。この関数は暗黙的な拡張を使用して入力を結合します。詳細については、データ形式での暗黙的な拡張 (Deep Learning Toolbox)を参照してください。
`ge`, `>=`
`gt`, `>`
`le`, `<=`
`lt`, `<`
`ne`, `~=`
`not`, `~`	出力 `dlarray` のデータ形式は入力 `dlarray` と同じになります。
`or`, `\|`	2 つの `dlarray` 入力の形式が整っている場合、出力 `dlarray` は、その両方のデータ形式の組み合わせを使用して形式を整えます。この関数は暗黙的な拡張を使用して入力を結合します。詳細については、データ形式での暗黙的な拡張 (Deep Learning Toolbox)を参照してください。
`xor`

サイズ操作関数

関数	注意と制限
`reshape`	入力 `dlarray` の形式が整っていても、出力 `dlarray` の形式は整いません。コード生成の場合、サイズの次元は固定サイズでなければなりません。
`squeeze`	2 次元の `dlarray` オブジェクトは `squeeze` の影響を受けません。入力 `dlarray` の形式が整っている場合、この関数は大きさが 1 の次元に属する次元ラベルを削除します。入力 `dlarray` に 2 つを超える次元があり、その 3 番目以上の次元の大きさが 1 である場合、この関数はこれらの次元とそのラベルを破棄します。
`repelem`	構文 `u = repelem(v,n)` を使用し、`repelem` で各要素を繰り返す回数を指定すると、入力 `dlarray` の形式が整っていても、出力 `dlarray` の形式は整っていません。構文 `B = repelem(A,r1,...,rN)` を使用し、`repelem` で各次元の反復係数を指定すると、出力 `dlarray` は入力 `dlarray` と同じデータ形式になります。
`repmat`	出力 `dlarray` のデータ形式は入力 `dlarray` と同じになります。

転置演算

関数	注意と制限
`ctranspose`, `'`	入力 `dlarray` の形式が整っている場合、両方の次元のラベルは同じでなければなりません。この関数は転置を暗黙的に実行し、他の演算に必要な場合のみ転置を直接行います。
`permute`	入力 `dlarray` の形式が整っている場合、置換は同じラベルが付いている次元でのみ行われなければなりません。この関数は置換を暗黙的に実行し、他の演算に必要な場合のみ置換を直接行います。コード生成の場合、次元の次数は固定サイズでなければなりません。
`ipermute`	入力 `dlarray` の形式が整っている場合、置換は同じラベルが付いている次元でのみ行われなければなりません。この関数は置換を暗黙的に実行し、他の演算に必要な場合のみ置換を直接行います。コード生成の場合、次元の次数は固定サイズでなければなりません。
`transpose`, `.'`	入力 `dlarray` の形式が整っている場合、両方の次元のラベルは同じでなければなりません。この関数は転置を暗黙的に実行し、他の演算に必要な場合のみ転置を直接行います。

連結関数

関数注意と制限

関数	注意と制限
`cat`	`dlarray` 入力は、形式が一致しているか、形式が整っていないものでなければなりません。形式を整えた入力と形式を整えていない入力を混在させることができます。いずれかの `dlarray` 入力の形式が整っている場合、出力 `dlarray` は同じデータ形式で形式が整います。コード生成の場合、関数 `cat` に対する次元の次数は固定サイズでなければなりません。
`horzcat`
`vertcat`

cat

dlarray 入力は、形式が一致しているか、形式が整っていないものでなければなりません。形式を整えた入力と形式を整えていない入力を混在させることができます。いずれかの dlarray 入力の形式が整っている場合、出力 dlarray は同じデータ形式で形式が整います。

コード生成の場合、関数 cat に対する次元の次数は固定サイズでなければなりません。

horzcat

vertcat

変換関数

関数	注意と制限
`cast`	`cast(dlA,newdatatype)` は、`dlarray` `dlA` のデータを基となるデータ型 `newdatatype` の `dlarray` にコピーします。`newdatatype` オプションは `'double'`、`'single'`、または `'logical'` でなければなりません。出力 `dlarray` は `dlA` と同じデータ形式で形式が整います。 `cast(A,'like',Y)` は、`Y` と同じ型の配列を返します。`Y` が `dlarray` である場合、出力は基となるデータ型が `Y` と同じ `dlarray` になります。`Y` が GPU にある場合、出力は GPU にあります。`A` と `Y` が両方とも `dlarray` オブジェクトである場合、出力 `dlarray` は入力 `A` と同じデータ形式で形式が整います。
`double`	出力は `double` 型のデータが含まれる `dlarray` です。
`logical`	出力は `logical` 型のデータが含まれる `dlarray` です。
`single`	出力は `single` 型のデータが含まれる `dlarray` です。

比較関数

関数注意と制限

関数	注意と制限
`isequal`	2 つを超える入力引数がある構文はサポートされません。 2 つの `dlarray` 入力が表す数値データが等しく、その両方が同じデータ形式で形式が整っているか、あるいは形式が整っていない場合、これらの入力は等しくなります。
`isequaln`	2 つを超える入力引数がある構文はサポートされません。 2 つの `dlarray` 入力が表す数値データが等しく (`NaN` は同等として扱う)、これらの両方が同じデータ形式で形式が整っているか、あるいは形式が整っていない場合、これらの入力は等しくなります。

isequal

2 つを超える入力引数がある構文はサポートされません。
2 つの dlarray 入力が表す数値データが等しく、その両方が同じデータ形式で形式が整っているか、あるいは形式が整っていない場合、これらの入力は等しくなります。

isequaln

2 つを超える入力引数がある構文はサポートされません。
2 つの dlarray 入力が表す数値データが等しく (NaN は同等として扱う)、これらの両方が同じデータ形式で形式が整っているか、あるいは形式が整っていない場合、これらの入力は等しくなります。

データ型と値を識別する関数

関数	注意と制限
`isdlarray` (Deep Learning Toolbox)	N/A
`isfloat`	この関数は入力 `dlarray` の基となるデータに適用されます。
`islogical`
`isnumeric`
`isreal`
`underlyingType`	N/A
`validateattributes`	入力配列 `A` が、形式を整えた `dlarray` である場合、その次元は `"SCBTU"` の順序に従って並べ替えられます。サイズの検証は並べ替え後に適用されます。

サイズ識別関数

関数	注意と制限
`iscolumn`	この関数は、列ベクトルで、最初の次元を除く各次元の大きさが 1 である `dlarray` に対して `true` を返します。たとえば、3 x 1 x 1 の `dlarray` は列ベクトルです。
`ismatrix`	この関数は、2 つの次元のみをもつ `dlarray` オブジェクト、および最初の 2 つの次元を除く各次元の大きさが 1 である `dlarray` オブジェクトに対して `true` を返します。たとえば、3 x 4 x 1 の `dlarray` は行列です。
`isrow`	この関数は、行ベクトルで、2 番目の次元を除く各次元の大きさが 1 である `dlarray` に対して `true` を返します。たとえば、1 x 3 x 1 の `dlarray` は行ベクトルです。
`isscalar`	N/A
`isvector`	この関数は、行ベクトルまたは列ベクトルである `dlarray` に対して `true` を返します。`isvector` では 1 x 1 x 3 の `dlarray` がベクトルであるとは見なされないことに注意してください。
`length`	N/A
`ndims`	入力 `dlarray` `dlX` の形式が整っている場合、一部のラベル付きの次元の末尾が大きさ 1 の次元であっても、`ndims(dlX)` は次元ラベルの数を返します。
`numel`	N/A
`size`	入力 `dlarray` `dlX` の形式が整っている場合、一部のラベル付きの次元の末尾が大きさ 1 の次元であっても、`size(dlX)` は次元ラベルの数に等しい長さのベクトルを返します。

作成関数

関数	注意と制限
`false`	`dlarray` では `'like'` 構文のみがサポートされています。
`Inf`
`NaN`
`ones`
`rand`
`true`
`zeros`

インデックス

コード生成では、dlarray オブジェクトのインデックス作成をサポートし、次の動作を示します。

dlY(idx1,...,idxn) = dlX を設定した場合、dlY と dlX は代入互換でなければなりません。
- データのサイズを変更してはなりません。範囲外の代入演算はサポートされていません。
- 代入ステートメントでは、U ラベルを追加または削除できません。
コード生成は、dlX(idx1,…,idxn) = [] を使用した dlarray オブジェクトの部分的な削除をサポートしていません。

参考

オブジェクト

dlarray (Deep Learning Toolbox) | dlnetwork (Deep Learning Toolbox)

トピック

変分自己符号化器を使用した NVIDIA GPU での数字イメージの生成
コード生成での dlarray の制限
カスタム学習ループ、損失関数、およびネットワークの定義 (Deep Learning Toolbox)
カスタム学習ループを使用したネットワークの学習 (Deep Learning Toolbox)
dlnetwork オブジェクトを使用した予測の実行 (Deep Learning Toolbox)

コード生成用の dlarray の定義

設計 1 (非推奨)

設計 2 (推奨)

複素数値の dlarray オブジェクトのコード生成

コード生成をサポートする dlarray オブジェクト関数

dlarray コード生成をサポートする Deep Learning Toolbox 関数

深層学習の操作

dlarray コード生成をサポートする MATLAB 関数

単項の要素単位の関数

二項の要素単位の演算子

リダクション関数

極値関数

フーリエ変換

その他の算術演算

論理演算

サイズ操作関数

転置演算

連結関数

変換関数

比較関数

データ型と値を識別する関数

サイズ識別関数

作成関数

インデックス

参考

オブジェクト

トピック