transposedConv2dLayer
转置二维卷积层
语法
描述
一层转置二维卷积upsamples特征图。
这一层有时被错误地称为“反褶积”或“deconv”层。这一层是卷积的转置和不执行反褶积。
返回一个转置二维卷积层和设置层
= transposedConv2dLayer (filterSize
,numFilters
)filterSize
和numFilters
属性。
返回一个转置二维卷积层和指定附加选项使用一个或多个名称-值对参数。层
= transposedConv2dLayer (filterSize
,numFilters
,名称,值
)
例子
输入参数
filterSize
- - - - - -高度和宽度的过滤器
向量的两个正整数
高度和宽度的过滤器,指定为一个向量的两个正整数[w h]
,在那里h
是身高和w
是宽度。FilterSize
定义了局部区域的大小的神经元连接的输入。
如果你设置FilterSize
使用一个输入参数,那么您可以指定FilterSize
作为维标量使用相同的值。
例子:5 [5]
指定过滤器的高度和宽度5。
numFilters
- - - - - -数量的过滤器
正整数
的过滤器,指定为一个正整数。这个号码对应的层神经元数量输入连接到同一个地区。这个参数决定渠道的数量(特征图)卷积的输出层。
例子:96年
名称-值参数
指定可选的逗号分隔条名称,值
参数。的名字
参数名称和吗价值
相应的价值。的名字
必须出现在引号。您可以指定几个名称和值对参数在任何顺序Name1, Value1,…,的家
。
“裁剪”,1
步
- - - - - -Up-sampling因素
1
(默认)|向量的两个正整数|正整数
Up-sampling因素的输入,指定为以下之一:
一个向量的两个正整数
[b]
,在那里一个
垂直步吗b
是水平的步伐。一个正整数对应的垂直和水平的步伐。
例子:“步”,[2 1]
裁剪
- - - - - -减少输出尺寸
0
(默认)|“相同”
|非负整数|向量的两个非负整数
输出尺寸减少,指定为以下之一:
“相同”
——集种植,这样输出大小=inputSize。*步
,在那里inputSize
输入层的高度和宽度。如果你设置“种植”
选项“相同”
,那么软件自动设置CroppingMode
层的属性“相同”
。软件从顶部和底部修剪等量,左和右,如果可能的话。如果垂直作物有一个奇怪的价值,那么软件从底部去掉一个额外的行。如果有一个奇怪的价值水平作物金额,然后软件从右边去掉一个额外的列。
一个正整数,作物从所有的边指定数量的数据。
一个向量的非负整数
[b]
——作物一个
从顶部和底部和作物b
从左和右。一个向量
[t b l r]
——作物t
,b
,l
,r
从上、下、左、右的输入,分别。
如果你设置“种植”
选择一个数值,然后软件自动设置CroppingMode
层的属性“手动”
。
例子:(1 2)
NumChannels
- - - - - -通道数量为每个过滤器
“汽车”
(默认)|正整数
每个过滤器渠道,指定为“NumChannels
”,“汽车”
或者一个正整数。
这个参数的数量必须等于输入渠道卷积层。例如,如果输入是一个彩色图像,然后输入渠道的数量必须是3。如果数字滤波器的卷积层之前,当前层是16,那么这一层渠道的数量必须是16。
WeightsInitializer
- - - - - -函数来初始化权重
“glorot”
(默认)|“他”
|“narrow-normal”
|“零”
|“的”
|函数处理
初始化权重函数,指定为以下之一:
“glorot”
——初始化权重Glorot初始值设定项[1](也称为Xavier初始化)。Glorot初始化样本独立均匀分布与零均值和方差2 / (numIn + numOut)
,在那里numIn = filterSize (1) * filterSize (2) * NumChannels
,numOut = filterSize (1) * filterSize (2) * numFilters
,NumChannels
输入通道的数量。“他”
——初始化权重的初始值设定项[2]。他初始化样本正态分布与零均值和方差2 / numIn
,在那里numIn = filterSize (1) * filterSize (2) * NumChannels
和NumChannels
输入通道的数量。“narrow-normal”
——初始化权重独立抽样从正态分布与零均值和标准偏差0.01。“零”
——初始化权重为零。“的”
——初始化权重的。函数处理——使用一个自定义函数初始化权重。如果你指定一个函数处理,那么必须表单的功能
重量= func(深圳)
,在那里深圳
权重的大小。例如,看到的指定自定义权重的初始化函数。
层只初始化时的重量权重
属性是空的。
数据类型:字符
|字符串
|function_handle
BiasInitializer
- - - - - -函数来初始化倾向
“零”
(默认)|“narrow-normal”
|“的”
|函数处理
函数初始化倾向,指定为以下之一:
“零”
——初始化与零偏差。“的”
——初始化倾向。“narrow-normal”
——初始化倾向独立抽样从正态分布与零均值和标准偏差0.01。函数处理与自定义函数——初始化倾向。如果你指定一个函数处理,那么必须表单的功能
偏见= func(深圳)
,在那里深圳
偏差的大小。
层时才初始化倾向偏见
属性是空的。
数据类型:字符
|字符串
|function_handle
权重
- - - - - -层的重量
[]
(默认)|数字数组
层权重卷积层,指定为数字数组。
层权重可学的参数。您可以指定权重的初始值直接使用权重
层的属性。当你训练一个网络,如果权重
属性层的非空的trainNetwork
使用权重
属性的初始值。如果权重
属性是空的,那么trainNetwork
使用指定的初始化程序WeightsInitializer
层的属性。
在培训时,权重
是一个filterSize (1)
——- - - - - -filterSize (2)
——- - - - - -numFilters
——- - - - - -NumChannels
数组中。
数据类型:单
|双
偏见
- - - - - -层的偏见
[]
(默认)|数字数组
一层一层偏见的卷积,指定为一个数字数组。
层偏差是可学的参数。当你训练一个网络,如果偏见
非空的,那么trainNetwork
使用偏见
属性的初始值。如果偏见
是空的,然后trainNetwork
使用指定的初始化程序BiasInitializer
。
在培训时,偏见
是一个1-by-1-by——numFilters
数组中。
数据类型:单
|双
WeightLearnRateFactor
- - - - - -学习速率因子权重
1
(默认)|负的标量
学习速率因子权重,指定为负的标量。
软件由全球学习速率繁殖这个因素确定权重的学习速率这一层。例如,如果WeightLearnRateFactor
是2
,然后在这一层权值的学习速率是当前全球学习速率的两倍。全球学习速率决定了基于的软件设置您指定使用trainingOptions
函数。
数据类型:单
|双
|int8
|int16
|int32
|int64
|uint8
|uint16
|uint32
|uint64
BiasLearnRateFactor
- - - - - -学习速率因子偏见
1
(默认)|负的标量
学习速率因子的偏见,指定为负的标量。
软件由全球学习速率繁殖这个因素来确定学习速率的偏见在这一层。例如,如果BiasLearnRateFactor
是2
,那么学习速率的偏见层是当前全球学习速率的两倍。全球学习速率决定了基于的软件设置您指定使用trainingOptions
函数。
数据类型:单
|双
|int8
|int16
|int32
|int64
|uint8
|uint16
|uint32
|uint64
WeightL2Factor
- - - - - -l2正则化因子权重
1(默认)|负的标量
l2正则化因子权重,指定为负的标量。
全球的软件增加这个因素l2正则化因子来确定l2正则化这一层的权重。例如,如果WeightL2Factor
是2
,那么l2正则化这一层的权重是全球的两倍l2正则化因子。您可以指定全球l2正则化因子使用trainingOptions
函数。
数据类型:单
|双
|int8
|int16
|int32
|int64
|uint8
|uint16
|uint32
|uint64
BiasL2Factor
- - - - - -l2正则化因子的偏见
0
(默认)|负的标量
l2正则化因子的偏见,指定为负的标量。
全球的软件增加这个因素l2正则化因子来确定l2在这一层正规化的偏见。例如,如果BiasL2Factor
是2
,那么l2正规化的偏见这一层是全球的两倍l2正则化因子。您可以指定全球l2正则化因子使用trainingOptions
函数。
数据类型:单
|双
|int8
|int16
|int32
|int64
|uint8
|uint16
|uint32
|uint64
的名字
- - - - - -层的名字
”
(默认)|特征向量|字符串标量
图层名称,指定为一个特征向量或字符串标量。为层
数组输入,trainNetwork
,assembleNetwork
,layerGraph
,dlnetwork
函数自动分配层的名称的名字
设置为”
。
数据类型:字符
|字符串
输出参数
层
——转置二维卷积层
TransposedConvolution2DLayer
对象
转置二维卷积层,作为一个返回TransposedConvolution2DLayer
对象。
兼容性的考虑
默认初始化权重Glorot
行为改变R2019a
从R2019a开始,软件,默认情况下,初始化层使用Glorot初始化这一层的权重。这种行为可以帮助稳定培训和通常减少深层网络的训练时间。
在以前的版本中,软件,默认情况下,初始化层的抽样权重0.01零均值和方差的正态分布。复制这种行为,设置“WeightsInitializer”
层的选项“narrow-normal”
。
引用
[1]Glorot,泽维尔,Yoshua Bengio。“理解的难度训练前馈神经网络。”In《十三人工智能国际会议上和统计,249 - 356。意大利撒丁岛:AISTATS, 2010。
[2]他开明、象屿张任Shaoqing,剑太阳。“深深入整流器:超越人类表现ImageNet分类。”In学报2015年IEEE计算机视觉国际会议,1026 - 1034。华盛顿特区:IEEE计算机视觉的社会,2015年。
扩展功能
C / c++代码生成
生成C和c++代码使用MATLAB®编码器™。
使用笔记和限制:
代码生成不支持输入的不对称剪裁。金宝app例如,指定一个向量
[t b l r]
为“种植”
作物参数,下,左,右的输入不支持。金宝app
GPU的代码生成
生成NVIDIA的CUDA®代码®GPU使用GPU编码器™。
MATLAB命令
你点击一个链接对应MATLAB命令:
运行该命令通过输入MATLAB命令窗口。Web浏览器不支持MATLAB命令。金宝app
你也可以从下面的列表中选择一个网站:
表现最好的网站怎么走吗
选择中国网站(中文或英文)最佳站点的性能。其他MathWorks国家网站不优化的访问你的位置。