主要内容

leakyReluLayer

漏整流线性单元(ReLU)层

全部展开页面

描述

一个泄漏的ReLU层执行一个阈值操作，其中任何小于零的输入值乘以一个固定标量。

这个操作相当于:

f （ x ） ＝ ｛ x ， x ≥ 0 年代 c 一个 l e ＊ x ， x < 0 ．

创建

语法

层= leakyReluLayer
层= leakyReluLayer(规模)
层= leakyReluLayer (<年代pan class="argument_placeholder">＿＿＿“名字”,名称)

描述

层= leakyReluLayer返回一个泄漏的ReLU层。

层= leakyReluLayer (规模）返回一个泄漏的ReLU层，其标量乘法器用于负输入等于规模．

例子

层= leakyReluLayer (<年代pan class="argument_placeholder">＿＿＿“名称”,的名字）返回一个泄漏的ReLU层，并设置可选参数<一个href="//www.tatmou.com/help/deeplearning/ref/nnet.cnn.layer.leakyrelulayer.html" class="intrnllnk">的名字财产。

属性

全部展开

漏水的ReLU

用于负输入值的标量乘法器，指定为数字标量。

例子:0．4

层

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置为＇＇，然后软件在训练时自动为该层分配一个名称。

数据类型:字符|字符串

层的输入数。这一层只接受单个输入。

数据类型:双

输入层名。这一层只接受单个输入。

数据类型:细胞

层输出的数量。这一层只有一个输出。

数据类型:双

输出层的名称。这一层只有一个输出。

数据类型:细胞

例子

全部折叠

打开生活的脚本

创建一个有名称的泄漏的ReLU层“leaky1”以及负输入等于0.1的标量乘数。

层= leakyReluLayer (0.1,<年代pan style="color:#A020F0">“名字”，<年代pan style="color:#A020F0">“leaky1”）
layer = LeakyReLULayer with properties: Name: 'leaky1' Hyperparameters Scale: 0.1000

中包含一个泄漏的ReLU层层数组中。

layers = [imageInputLayer([28 28 1])卷积2dlayer (3,16) batchNormalizationLayer leakyReluLayer maxPooling2dLayer(2, 16)<年代pan style="color:#A020F0">“步”，2) convolution2dLayer(3,32) batchNormalizationLayer leakyReluLayer fulllyconnectedlayer (10) softmaxLayer classificationLayer]
图层数组:1”的形象输入28 x28x1图像zerocenter正常化2”卷积16 3 x3的隆起与步幅[1]和填充[0 0 0 0]3“批量标准化批量标准化4“ReLU漏漏ReLU规模0.01 5”麦克斯池2 x2马克斯池步(2 - 2)和填充[0 0 0 0]6”卷积与步幅32 3 x3的隆起[1 1] and padding [0 0 0 0] 7 '' Batch Normalization Batch normalization 8 '' Leaky ReLU Leaky ReLU with scale 0.01 9 '' Fully Connected 10 fully connected layer 10 '' Softmax softmax 11 '' Classification Output crossentropyex

                   

                  

                 

                 

                

               

              

             

             

              
              
             

            

           

           

            
参考文献

            

             
Maas、Andrew L.、Awni Y. Hannun和Andrew Y. Ng。“整流非线性改进神经网络声学模型。”在Proc。ICML，第30卷，第2期1.2013.

            

           

           

            
扩展功能

            

             
             
             
C / c++代码生成
使用MATLAB®Coder™生成C和c++代码。

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

            

           

           

            
另请参阅

            
|<年代pan itemscope itemtype="//www.tatmou.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">|<年代pan itemscope itemtype="//www.tatmou.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">|<年代pan itemscope itemtype="//www.tatmou.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">

            

             
主题

             
            

           

           

            介绍了R2017b
           

          

         

         
         

         

          
         

        

        
        
        
       

      

     

    

    
    

     

      

       

        

         
        

       

      

     

    

    
    
    

     

      

       

        

         

          
深度学习工具箱文档

          
         

         

          
金宝app

          
         

         

          

           

            

             介绍基于MATLAB的深度学习
            

            
介绍基于MATLAB的深度学习

            下载电子书