主要内容

fullyconnect

求和所有加权输入数据并应用偏差

描述

全连接操作将输入乘以一个权重矩阵,然后添加一个偏置向量。

请注意

此函数将完全连接操作应用于dlarray数据。类中应用完全连接操作layerGraph对象或数组,使用以下图层:

例子

Y= fullyconnect (X权重偏见中空间数据、通道数据和未指定数据的加权和X所指定的权重权重,并添加一个偏差。输入X必须是格式化的dlarray.输出Y是格式化的dlarray

Y= fullyconnect (X权重偏见“DataFormat”,FMT还指定维度格式FMTX不是格式化的dlarray.输出Y是未格式化的dlarray

例子

全部折叠

fullyconnect函数使用加权和将观察到的所有输入连接到每个输出特征。

将输入数据创建为高和宽分别为12和32通道的随机值的单个观测值。

身高= 12;宽度= 12;通道= 32;观察结果= 1;X = rand(高度,宽度,通道,观测值);X = dlarray(X,“SSCB”);

创建可学习的参数。对于这个操作,有十个输出特征。

outputFeatures = 10;weights = ones(outputFeatures,height,width,channels);bias = ones(outputFeatures,1);

应用fullyconnect操作。

Y =完全连接(X,权重,偏差);
Y = 10(C) × 1(B) dlarray 1.0e+03 * 2.3266 2.3266 2.3266 2.3266 2.3266 2.3266 2.3266

输出Y是二维的dlarray有一个尺寸为10的通道尺寸和一个单批尺寸。

输入参数

全部折叠

输入数据,指定为格式化的dlarray,一个未格式化的dlarray,或数值数组。当X不是格式化的dlarray,则必须指定尺寸标签格式FMT, DataFormat”.如果X是数字数组,至少是其中之一权重偏见一定是dlarray

fullyconnect运算和对“年代”“C”,“U”的尺寸X指定的每个输出特性权重.每个的大小“B”“T”维度的X是保存了下来。

数据类型:|

权重,指定为格式化的dlarray,一个未格式化的dlarray,或数值数组。

如果权重是未格式化的dlarray或者一个数字数组,的第一维权重必须匹配输出特征的数量。如果权重是格式化的dlarray的大小“C”维度必须与输出特征的数量匹配。权重元素的组合大小必须包含相同数量的元素“年代”“C”,“U”输入尺寸X乘以输出特征的数量。

数据类型:|

偏差常数,指定为格式化的dlarray,一个未格式化的dlarray,或数值数组。

的每个元素偏见是应用于相应特征输出的偏置。元素的个数偏见的第一个维度所指定的输出特征的数量必须匹配权重

如果偏见是格式化的dlarray,则非单维度必须是标记的通道维度“C”

数据类型:|

未格式化输入数据的维度顺序,指定为由逗号分隔的对组成的“DataFormat”和字符数组或字符串FMT它为数据的每个维度提供了一个标签。中的每个字符FMT必须是以下其中之一:

  • “年代”——空间

  • “C”——频道

  • “B”-批次(例如,样品和观察)

  • “T”-时间(例如,序列)

  • “U”——未指明的

您可以指定多个有标记的维度“年代”“U”.你可以使用标签“C”“B”,“T”最多一次。

您必须指定FMT, DataFormat”当输入数据未被格式化时dlarray

例子:“DataFormat”、“SSCB”

数据类型:字符|字符串

输出参数

全部折叠

加权输出特征,返回为dlarray.输出Y具有与输入相同的底层数据类型X

如果输入X是格式化的dlarray,输出Y有一个维度被标记“C”表示输出特征,且数量相同“B”“T”尺寸作为输入X,如果其中一个或两个都在场。如果X没有“B”“T”维度,Y有格式“CB”,在那里“B”维度是单例的。

如果输入X不是格式化的dlarray、输出Y未格式化。第一个维度Y包含输出特性。其他维度Y对应于“B”而且“T”的尺寸X,如果其中一个或两个都存在,并且以与中的相同的顺序提供FMT.如果X没有“B”“T”的第一个维度Y包含输出特征,第二个维度是单例的。

更多关于

全部折叠

全连接操作

fullyconnect函数将上一个操作的所有输出连接到fullyconnect函数。有关的详细信息,请参见全连接层fullyConnectedLayer参考页面。

扩展功能

C/ c++代码生成
使用MATLAB®Coder™生成C和c++代码。

GPU代码生成
使用GPU Coder™为NVIDIA®GPU生成CUDA®代码。

版本历史

R2019b引入