主要内容

全协商

总和所有加权输入数据并应用偏差

页面上倒塌

句法

dly =全协调（DLX，权重，偏见）
dly =全协调（DLX，权重，偏见，'dataformat'，fmt）

描述

完全连接操作将输入乘以权重矩阵，然后添加偏置向量。

笔记

此功能适用于完全连接操作dlarray.数据。如果要在a中应用完全连接操作分层图对象或者层数组，使用以下图层：

例子

d=完全连接（DLX.那重量那偏见）计算空间，通道和未指定数据的加权之和DLX.使用指定的权重重量，并增加偏见。输入DLX.是一个格式化的dlarray.有维标签。输出d是一个格式化的dlarray.。

d=完全连接（DLX.那重量那偏见，'dataformat'，FMT.）还指定维度格式FMT.什么时候DLX.不是格式化的dlarray.。输出d是一个无格式化的人dlarray.。

例子

全部收缩

这全协商函数使用加权SUM将观察的所有输入连接到每个输出功能。

创建输入数据作为单一观察随机值，其高度和宽度为12和32个通道。

高度= 12;宽度= 12;频道= 32;观察= 1;x = rand（高度，宽度，频道，观察）;dlx = dlarray（x，'SSCB'）;

创建学习参数。对于此操作，有十个输出功能。

产量= 10;重量=（输出特征，高度，宽度，通道）;偏见= =（OutputFeatures，1）;

申请全协商手术。

dly =全协调（DLX，权重，偏见）;
DLY = 10（c）×1（b）Dlarray 1.0e + 03 * 2.3266 2.3266 2.3266 2.3266 2.3266 2.3266 2.3266 2.3266 2.3266 2.3266

输出d是2-ddlarray.具有10尺寸十的一个通道尺寸和一个单例批量尺寸。

输入参数

全部收缩

输入数据，指定为adlarray.有或没有维标签或数字数组。什么时候DLX.不是格式化的dlarray.，您必须使用尺寸标签格式使用'dataformat'，fmt。如果DLX.是一个数字数组，至少有一个重量或者偏见必须是A.dlarray.。

这全协商操作总和'那'C'， 和'U'尺寸DLX.对于指定的每个输出功能重量。每个大小'B'或者'T'尺寸DLX.保留。

数据类型：单身的|双倍的

重量，指定为adlarray.有或没有标签或数字阵列。

如果重量是一个无格式化的人dlarray.或数字阵列，第一维度重量必须匹配输出功能的数量。如果重量是一个格式化的dlarray.，尺寸'C'维度必须匹配输出功能的数量。重量必须包含与组合大小相同数量的元素'那'C'， 和'U'输入的尺寸DLX.乘以输出功能的数量。

数据类型：单身的|双倍的

偏差常量，指定为adlarray.矢量与或没有标签或数字矢量。

每个元素偏见偏置是否适用于相应的特征输出。元素的数量偏见必须匹配第一个维度指定的输出功能数重量。

如果偏见是一个格式化的dlarray.，非挂车尺寸必须是标有频道维度'C'。

数据类型：单身的|双倍的

未格式化的输入数据的维度顺序，指定为逗号分隔对组成'datomformat'和一个字符数组或字符串FMT.为数据的每个维度提供标签。每个角色FMT.必须是以下之一：

  • '- 空间

  • 'C'- 渠道

  • 'B'- 批次（例如，样品和观察）

  • 'T'- 时间（例如，序列）

  • 'U'- 未指定

您可以指定标记的多个维度'或者'U'。您可以使用标签'C'那'B'， 和'T'最多一次。

您必须指定'dataformat'，fmt当输入数据时DLX.不是格式化的dlarray.。

例子：'dataformat'，'sscb'

数据类型：char|细绳

输出参数

全部收缩

加权输出功能，作为一个返回dlarray.。输出d具有与输入相同的底层数据类型DLX.。

如果输入DLX.是一个格式化的dlarray.， 输出d有一个标有一个尺寸'C'表示输出功能，以及相同的数量'B'或者'T'尺寸作为输入DLX.，如果存在或两者都存在。如果DLX.没有'B'或者'T'方面，d格式'cb'，在那里'B'维度是单身。

如果输入DLX.不是格式化的dlarray.， 输出d是不可格式化的。第一个维度d包含输出功能。其他维度d对应于'B'和'T'尺寸DLX.，如果存在或两个都存在，并且以与相同的顺序提供FMT.。如果DLX.没有'B'或者'T'尺寸，第一维度d包含输出功能，第二个维度为单例。

更多关于

全部收缩

完全连接操作

这全协商功能将先前操作的所有输出连接到输出全协商功能。有关更多信息，请参阅定义完全连接的层在这一点全康统计层参考页面。

扩展能力

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。

也可以看看

|||||||

话题

在R2019B中介绍

深度学习工具箱文档

金宝app

与Matlab引入深度学习

与Matlab引入深度学习

下载电子书