文档帮助中心文档
特性输入层
特征输入层将特征数据输入到网络,并进行数据规范化。当您拥有表示特征(不含空间或时间维度的数据)的数字标量数据集时,请使用此层。
用于图像输入,使用imageInputLayer.
imageInputLayer
层= featureInputLayer (numFeatures)
层= featureInputLayer (numFeatures、名称、值)
层= featureInputLayer(numFeatures)返回特征输入层并设置输入属性到指定的功能数量。
层= featureInputLayer(numFeatures)
层
numFeatures
输入
例子
层= featureInputLayer(numFeatures,名称,价值)使用名称-值对参数设置可选属性。可以指定多个名称-值对参数。将每个属性名用单引号括起来。
层= featureInputLayer(numFeatures,名称,价值)
名称,价值
展开全部
数据中每个观察的特征数量指定为正整数。
例子:10
10
正常化
“没有”
“zscore”
“rescale-symmetric”
“rescale-zero-one”
每次数据通过输入层向前传播时应用的数据规范化,指定为以下其中之一:
“zerocenter”-减去指定的平均值意思.
“zerocenter”
意思
“zscore”-减去指定的平均值意思并除以standarddeviation..
standarddeviation.
“rescale-symmetric”—使用指定的最小值和最大值重新缩放输入,使其在[- 1,1]范围内最小值和最大限度,分别。
最小值
最大限度
“rescale-zero-one”- 使用最小值和最大值,重新缩放输入到范围内[0,1]最小值和最大限度,分别。
“没有”- 请勿将输入数据标准化。
function handle—使用指定的函数对数据进行规范化。功能必须是形式的y = func(x), 在哪里X是输入数据和输出数据吗Y是标准化的数据。
y = func(x)
X
Y
提示
默认情况下,软件会自动计算训练时间的归一化统计。为节省训练时的时间,指定规范化所需的统计信息并设置'resetInputnormalization'选项培训选项来假.
'resetInputnormalization'
培训选项
假
NormalizationDimension
“汽车”
'渠道'
'全部'
归一化尺寸,指定为下列尺寸之一:
“汽车”—如果培训选项是假然后指定任何标准化统计量(意思,standarddeviation.,最小值,或最大限度),然后通过匹配统计数据的尺寸标准化。否则,重新计算培训时间并申请渠道明智的归一化。
'渠道'- 渠道 - 明智的标准化。
'全部'- 使用标量统计来规范所有值。
[]
指定为零中心和Z分数标准化的意思numFeatures- 1-1矢量平均值,数值标量或[].
如果您指定了意思属性,然后正常化必须是“zerocenter”或者“zscore”.如果意思是[],然后软件计算训练时的平均值。
在没有培训的情况下创建网络时,可以设置此属性(例如,使用网络使用assembleNetwork)。
assembleNetwork
数据类型:单|双倍的|int8|int16|INT32.|INT64.|uint8|uint16|uint32|uint64
单
双倍的
int8
int16
INT32.
INT64.
uint8
uint16
uint32
uint64
标准偏差为z评分标准化,指定为anumFeatures- 1-1矢量平均值,数值标量或[].
如果您指定了standarddeviation.属性,然后正常化必须是“zscore”.如果standarddeviation.是[],然后软件计算训练时的标准差。
缩放的最小值,指定为numFeatures每个特征的-1最小向量,一个数字标量,或[].
如果您指定了最小值属性,然后正常化必须是“rescale-symmetric”或者“rescale-zero-one”.如果最小值是[],然后该软件在培训时间计算最小值。
重新定义的最大值,指定为anumFeatures-1个每种功能的最大值矢量,数字标量或[].
如果您指定了最大限度属性,然后正常化必须是“rescale-symmetric”或者“rescale-zero-one”.如果最大限度是[],然后软件计算在训练时的最大值。
的名字
''
层名,指定为字符向量或字符串标量。若要在层图中包含层,必须指定非空的唯一层名。如果你用层和的名字被设定为'',然后软件会自动为培训时间分配给图层的名称。
数据类型:char|字符串
char
字符串
numinputs.
图层的输入数。该层没有输入。
数据类型:双倍的
输入名称
{}
图层的输入名称。该层没有输入。
数据类型:细胞
细胞
NumOutputs
图层的输出数。此图层仅具有单个输出。
输出名称
{“出”}
图层的输出名称。此图层仅具有单个输出。
全部收缩
创建一个名称的特征输入图层“输入”对于由21个功能组成的观察。
“输入”
tillay = feedeinputlayer(21,“名字”,“输入”)
属性:Name: 'input' InputSize: 21 Hyperparameters Normalization: 'none' NormalizationDimension: 'auto'
包括一个特征输入层层数组中。
numfeatures = 21;numclasses = 3;图层= [FeatureInputLayer(NumFeatures,“名字”,“输入”)全连接列(numcrasses,“名字”,'fc')softmaxlayer(“名字”,“sm”scassificationlayer(“名字”,“分类”)
图层= 4x1层阵列带图层:1'输入'特征输入21功能2'FC'完全连接3完全连接的第3层3'SM'Softmax Softmax 4'分类'分类输出CrossentRopyex
要训练包含图像输入层和特征输入层的网络,必须使用dlnetwork.在自定义训练循环中的对象。
dlnetwork.
定义输入图像的大小,每次观测的特征个数,类的个数,卷积层的滤波器的大小和个数。
imageInputSize = [28 28 1];numfeatures = 1;numclasses = 10;filtersize = 5;numfilters = 16;
要创建具有两个输入层的网络,您必须将网络定义为两部分并将它们连接起来,例如,使用连接层。
定义网络的第一部分。定义图像分类图层,并在上次完全连接的图层之前包括替代层。
images = [imageInputLayer(imageInputSize,'正常化',“没有”,“名字”,'图片')卷积2dlayer(过滤,numfilters,“名字”,'conv') reluLayer (“名字”,'relu') fullyConnectedLayer (50,“名字”,“fc1”)ConcateationLayer(1,2,“名字”,“concat”)全连接列(numcrasses,“名字”,“取得”)softmaxlayer(“名字”,“softmax”)];
将层转换为层图。
Lgraph = LayerGraph(层);
对于网络的第二部分,添加一个特征输入层,并将其连接到级联层的第二输入。
featInput = featureInputLayer (numFeatures,“名字”,'特征');Lgraph = AddLayers(LGraph,FeatInput);Lgraph = ConnectLayers(LAPHAGE,'特征',“concat / in2”);
可视化网络。
图(LGROPL)
创建一个dlnetwork.目的。
dlnet = dlnetwork (lgraph)
dlnet = dlnetwork with properties: Layers: [8x1 nnet.cnn.layer.Layer] Connections: [7x2 table] Learnables: [6x3 table] State: [0x3 table] InputNames: {'images' ' 'features'} OutputNames: {'softmax'} Initialized: 1
生成CUDA.®或使用GPU编码器™或C ++代码,必须先构建和培训深度神经网络。一旦网络训练和评估,您可以将代码生成器配置为生成代码并在使用NVIDIA的平台上部署卷积神经网络®或手臂®GPU处理器。有关更多信息,请参见与GPU编码器深入学习(GPU编码器).
深网络设计师|dlnetwork.|fullyConnectedLayer|image3dinputlayer.|imageInputLayer|sequenceInputLayer|Trainnetwork.
fullyConnectedLayer
image3dinputlayer.
sequenceInputLayer
Trainnetwork.
您有此示例的修改版本。您是否希望使用您的编辑打开此示例?
你点击一个链接对应于这个MATLAB命令:
通过在MATLAB命令窗口中输入命令来运行命令。Web浏览器不支持MATLAB命令。金宝app
选择一个网站,在那里获得翻译的内容,并看到当地的活动和优惠。根据您的位置,我们建议您选择:.
您还可以从以下列表中选择一个网站:
选择中国网站(中文或英文)以获得最佳网站性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。
联系您当地的办公室