主要内容

sequenceUnfoldingLayer

序列展开层

展开页面中的所有内容

描述

序列展开层在序列折叠后恢复输入数据的序列结构。

要使用序列展开层，必须连接miniBatchSize输出相应的序列折叠层到miniBatchSize序列展开层的输入。例如，请参见创建网络视频分类．

创建

语法

层= sequenceUnfoldingLayer
层= sequenceUnfoldingLayer(“名字”,名称)

描述

层= sequenceUnfoldingLayer创建序列展开层。

例子

层= sequenceUnfoldingLayer(“名字”,的名字）创建序列展开层并设置可选的名字属性使用名称-值对。例如,sequenceUnfoldingLayer('名称',' unfold1 ')创建具有名称的序列展开层“unfold1”．将属性名称括在单引号中。

属性

全部展开

层名，指定为字符向量或字符串标量。要在层图中包含层，必须指定一个非空的、唯一的层名。如果你训练一个系列网络层和的名字被设置为＇＇，然后该软件在训练时自动为该层指定一个名称。

数据类型:字符|字符串

层的输入数。

这一层有两个输入:

  • “在”-输入特征图。

  • “miniBatchSize”-大小的小批从相应的序列折叠层。此输出必须连接到“miniBatchSize”输出相应的序列折叠层。

数据类型:双

输入图层名称。

这一层有两个输入:

  • “在”-输入特征图。

  • “miniBatchSize”-大小的小批从相应的序列折叠层。此输出必须连接到“miniBatchSize”输出相应的序列折叠层。

数据类型:细胞

层的输出数。这一层只有一个输出。

数据类型:双

图层的输出名称。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

创建具有名称的序列展开层“unfold1”．

层= sequenceUnfoldingLayer (“名字”，“unfold1”）
NumInputs: 2 InputNames: {'in' 'miniBatchSize'}
打开生活的脚本

为包含图像序列的数据创建一个深度学习网络，例如视频和医学图像数据。

  • 要将图像序列输入网络，请使用序列输入层。

  • 要对每个时间步单独应用卷积运算，首先使用序列折叠层将图像序列转换为图像数组。

  • 要在执行这些操作后恢复序列结构，请使用序列展开层将这个图像数组转换回图像序列。

  • 要将图像转换为特征向量，使用一个平坦层。

然后可以将矢量序列输入LSTM和BiLSTM层。

定义网络体系结构

创建分类LSTM网络，将28 × 28灰度图像序列分类为10类。

定义以下网络架构:

  • 输入大小为的序列输入层[28 28 1]．

  • 一个卷积，批归一化，和ReLU层块与20 5 × 5滤波器。

  • 一个LSTM层，有200个隐藏单元，只输出最后一个时间步长。

  • 一个大小为10的完全连接层(类的数量)，然后是一个softmax层和一个分类层。

为了在每个时间步长上独立执行卷积运算，在卷积层之前包含一个序列折叠层。LSTM层期望矢量序列输入。为了恢复序列结构，并将卷积层的输出重塑为特征向量序列，在卷积层和LSTM层之间插入序列展开层和平坦层。

inputSize = [28 28 1];filterSize = 5;numFilters = 20;numHiddenUnits = 200;numClasses = 10;层= [．..sequenceInputLayer (inputSize“名字”，“输入”) sequenceFoldingLayer (“名字”，“折”) convolution2dLayer (filterSize numFilters,“名字”，“conv”) batchNormalizationLayer (“名字”，bn的) reluLayer (“名字”，“relu”) sequenceUnfoldingLayer (“名字”，“展开”) flattenLayer (“名字”，“平”) lstmLayer (numHiddenUnits“OutputMode”，“最后一次”，“名字”，“lstm”) fullyConnectedLayer (numClasses“名字”，“俱乐部”) softmaxLayer (“名字”，“softmax”) classificationLayer (“名字”，“分类”));

将层转换为层图，并连接miniBatchSize序列折叠层输出到序列展开层的相应输入。

lgraph = layerGraph(层);lgraph = connectLayers (lgraph,“折/ miniBatchSize”，“展开/ miniBatchSize”）;

查看最终的网络架构使用情节函数。

图绘制(lgraph)

图中包含一个轴。这些轴包含一个graphplot类型的对象。

扩展功能

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

另请参阅

||||||||

主题

介绍了R2019a

深度学习工具箱文档

金宝app

介绍MATLAB深度学习

介绍MATLAB深度学习

下载电子书