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。

spaceToDepthLayer

空間から深さへの変換層

R2020b 以降

説明

空間から深さへの変換層は、入力の空間ブロックを深さの次元に置換します。特徴データを破棄することなく、異なるサイズの特徴マップを組み合わせる必要がある場合は、この層を使用します。

サイズが [H W C] である入力特徴マップとサイズが [height width] であるブロックが与えられた場合、出力特徴マップのサイズは [floor(H/height) floor(W/width) C*height*width] となります。

このオブジェクトには Deep Learning Toolbox™ が必要です。

作成

構文

layer = spaceToDepthLayer(blockSize)

layer = spaceToDepthLayer(blockSize,'Name',Name)

説明

layer = spaceToDepthLayer(blockSize) は、入力の活性化を並べ替えるブロック サイズを指定して、空間から深さへの変換層を作成します。blockSize の入力は BlockSize プロパティを設定します。

layer = spaceToDepthLayer(blockSize,'Name',Name) は、空間から深さへの変換層を作成し、オプションの Name プロパティを設定します。

プロパティ

BlockSize — 入力の活性化を並べ替えるブロック サイズ

2 つの正の整数のベクトル

入力の活性化を並べ替えるブロック サイズ。2 つの正の整数のベクトル [h w] として指定します。ここで、h は高さ、w は幅です。層を作成する場合、BlockSize をスカラーとして指定して、両方の次元に同じ値を使用できます。

例: [2 1] は、高さが 2、幅が 1 のブロックを指定します。

Name — 層の名前

"" (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、関数 trainnet (Deep Learning Toolbox)、trainNetwork (Deep Learning Toolbox)、assembleNetwork (Deep Learning Toolbox)、layerGraph (Deep Learning Toolbox)、および dlnetwork (Deep Learning Toolbox) は、名前が "" の層に自動的に名前を割り当てます。

SpaceToDepthLayer 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

NumInputs — 入力の数

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 として返されます。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

{'in'} (既定値)

この プロパティ は読み取り専用です。

入力名。{'in'} として返されます。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

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 として返されます。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

{'out'} (既定値)

この プロパティ は読み取り専用です。

出力名。{'out'} として返されます。この層には単一の出力のみがあります。

データ型: cell

例

空間から深さへの変換層の作成

入力の活性化を並べ替えるブロック サイズを指定します。

blockSize = [2 2];

'spacetodepth' という名前で、空間から深さへの変換層を作成します。

layer = spaceToDepthLayer(blockSize,'Name','spacetodepth')

layer = 
  SpaceToDepthLayer with properties:

         Name: 'spacetodepth'
    BlockSize: [2 2]

   Learnable Parameters
    No properties.

   State Parameters
    No properties.

Use properties method to see a list of all properties.

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。

GPU Coder™ を使用して CUDA^® または C++ コードを生成するには、最初に深層ニューラル ネットワークを構築して学習させなければなりません。ネットワークの学習と評価が完了したら、コード ジェネレーターを構成してコードを生成し、NVIDIA^® または ARM^® GPU プロセッサを使用するプラットフォームに畳み込みニューラル ネットワークを展開できます。詳細については、GPU Coder を使用した深層学習 (GPU Coder) を参照してください。

この層向けに、NVIDIA CUDA 深層ニューラル ネットワーク ライブラリ (cuDNN)、NVIDIA TensorRT™ 高性能推論ライブラリ、または Mali GPU 用 ARM Compute Library を利用するコードを生成できます。

GPU 配列
Parallel Computing Toolbox™ を使用してグラフィックス処理装置 (GPU) 上で実行することにより、コードを高速化します。

バージョン履歴

R2020b で導入

R2021a: オブジェクトで Computer Vision Toolbox は不要

R2021a 以降、この関数で Computer Vision Toolbox™ は必要なくなりました。この関数には Deep Learning Toolbox が必要です。

参考

roiMaxPooling2dLayer (Computer Vision Toolbox) | yolov2Layers (Computer Vision Toolbox) | DepthToSpace2DLayer | depthToSpace | spaceToDepth

トピック

• 深層学習を使用したオブジェクト検出入門 (Computer Vision Toolbox)
• YOLO v2 入門 (Computer Vision Toolbox)
• 深層学習層の一覧 (Deep Learning Toolbox)
• MATLAB による深層学習 (Deep Learning Toolbox)