setl2factor.
层の学习可なののl2正则化学数号の
构文
说明
は、layer
= setL2Factor(layer
那ParameterName.
那因素
的)layer
のParameterName.
という名前のパラメーターののL2正则化系数号因素
に设定します。
组み込みする层の合并,対応するプロパティを使してたとえば,convolution2dLayer
层のの合,构文tillay = setl2factor(图层,'权重',因子)
はlayer.WeightL2Factor = factor
と等価です。
は,パスdistractupdated.
= setL2Factor(layer
那ParameterPath.
那因素
的)ParameterPath.
で指定されたパラメーターの L2 正則化係数を設定します。この構文は、パラメーターがカスタム層のdlnetwork.
オブジェクトにあるときとき使使。
は,指定されたdlnetUpdated
= setL2Factor(dlnet
那layerName
那ParameterName.
那因素
的)dlnetwork.
オブジェクトのlayerName
という名前の层の、ParameterName.
という名前のパラメーターののL2正则化系数号設定します。
は,パスdlnetUpdated
= setL2Factor(dlnet
那ParameterPath.
那因素
的)ParameterPath.
で指定されたのl2正则化学数码设定このは。
例
学习可能なパラメーターのl2正则化妆数码のおよび取得
层の学习可能なパラメーターのL2正则化系数を设定および取得します。
このこの例にサポートサポートファイルとして添付されているカスタムカスタム前列腺素
をを含む层配列するにはは层にアクセスするに,この例をライブとしてとして开口ます。
カスタム层前列腺素
を含む层配列を作物成し。
层= [......ImageInputLayer([28 28 1])卷积2.Dlayer(5,20)BatchnormalizationLayer Prelulayer(20)全连接层(10)SoftMaxLayer分类层];
前列腺素
の学习可パラメーターΑ
のL2正氢气数を 2 に設定します。
layers(4) = setL2Factor(layers(4),“Α”,2);
新疆された则则ししししします。
因素= getL2Factor(layers(4),“Α”的)
因素= 2
入れ子层の学习可能パラメーターのl2正则化学数号の设定取得
入れ子层の学习可能なパラメーターのL2正则化系数を设定して取得します。
このこの例にサポートサポートファイルとして添付されているカスタムカスタムresidualBlockLayer
を使用して、残差ブロック層を作成します。このファイルにアクセスするには、この例をライブ スクリプトとして開きます。
numFilters = 64; layer = residualBlockLayer(numFilters)
层= residualBlockLayer与属性:名称: '' 可学习参数网络:[1x1的dlnetwork]状态参数No特性。显示所有属性
入れ子ネットワークの层を表示します。
layer.network.layers.
ans x1 = 7层与层:数组1 conv1康沃变频器lution 64 3x3 convolutions with stride [1 1] and padding 'same' 2 'gn1' Group Normalization Group normalization 3 'relu1' ReLU ReLU 4 'conv2' Convolution 64 3x3 convolutions with stride [1 1] and padding 'same' 5 'gn2' Group Normalization Group normalization 6 'add' Addition Element-wise addition of 2 inputs 7 'relu2' ReLU ReLU
关节有关部setl2factor.
を使用して,层'conv1'
の学习可なパラメーター'重量'
のL2正氢气数を 2 に設定します。
因子= 2;tillay = setl2factor(图层,'Network/conv1/Weights',因素);
关节有关部getL2Factor
をを使し,更新されたl2正则化学数号を取得します。
因素= getL2Factor(layer,'Network/conv1/Weights'的)
因素= 2
dlnetwork.
の学习可なパラメーターのl2正则化学数码のおよび取得
dlnetwork.
オブジェクトの学习可能なパラメーターのL2正则化系数を设定して取得します。
dlnetwork.
オブジェクトを作成します。
层= [imageInputLayer([28 28 1],'正常化'那'没有'那'姓名'那'在')卷积2dlayer(5,20,'姓名'那'conv')BatchnormalizationLayer('姓名'那'bn')剥离('姓名'那'relu'的)fullyConnectedLayer(10,'姓名'那'fc')softmaxlayer('姓名'那'sm')];lgraph = layerGraph(layers); dlnet = dlnetwork(lgraph);
关节有关部setl2factor.
を使用して、畳み込み層の'重量'
学习可能ののL2正则化系数号2に设定します。
因子= 2;dlnet = setl2factor(dlnet,'conv'那'重量',因素);
关节有关部getL2Factor
をを使し,更新されたl2正则化学数号を取得します。
因子= getl2factor(dlnet,'conv'那'重量'的)
因素= 2
入れ子のdlnetwork.
の学习可なパラメーターのl2正则化学数码のおよび取得
dlnetwork.
オブジェクトの入れ子层の学习可能なパラメーターのL2正则化系数を设定して取得します。
このこの例にサポートサポートファイルとして添付されているカスタムカスタムresidualBlockLayer
を含むdlnetwork.
このこのファイルにアクセスするに,このこの例をライブスクリプトきききファイルファイルにアクセスにき。
InputSize = [224 224 3];numfilters = 32;numclasses = 5;图层= [ImageInputLayer(InputSize,'正常化'那'没有'那'姓名'那'在')卷积2dlayer(7,numfilters,'走吧'那2那'填充'那'same'那'姓名'那'conv')GroupnormalizationLayer('all-channels'那'姓名'那'GN')剥离('姓名'那'relu'的)maxPooling2dLayer(3,'走吧'那2那'姓名'那'max')残留的块(Numfilters,'姓名'那'res1')残留的块(Numfilters,'姓名'那'Res2'的)residualBlockLayer(2*numFilters,'走吧'那2那'IncludeSkipConvolution',真的,'姓名'那'Res3'的)residualBlockLayer(2*numFilters,'姓名'那'Res4'的)residualBlockLayer(4*numFilters,'走吧'那2那'IncludeSkipConvolution',真的,'姓名'那'Res5'的)residualBlockLayer(4*numFilters,'姓名'那'Res6')GlobalaveragePooling2dlayer('姓名'那'差距'的)fullyConnectedLayer(numClasses,'姓名'那'fc')softmaxlayer('姓名'那'sm')];dlnet = dlnetwork(图层);
dlnetwork.
オブジェクトの学习劳动
プロパティは,ネットワークネットワーク学习可以ながが格式さたたこのには,入れ子层のが别の行に含まててます层"res1"
の学习可能なパラメーターを表示します。
learnables = dlnet.Learnables; idx = learnables.Layer =="res1";了解(IDX,:)
ANS =.8×3表Layer Parameter Value ______ _______________________ ___________________ "res1" "Network/conv1/Weights" {3x3x32x32 dlarray} "res1" "Network/conv1/Bias" {1x1x32 dlarray} "res1" "Network/gn1/Offset" {1x1x32 dlarray} "res1" "Network/gn1/Scale" {1x1x32 dlarray} "res1" "Network/conv2/Weights" {3x3x32x32 dlarray} "res1" "Network/conv2/Bias" {1x1x32 dlarray} "res1" "Network/gn2/Offset" {1x1x32 dlarray} "res1" "Network/gn2/Scale" {1x1x32 dlarray}
层"res1"
について、関数setl2factor.
を使用して,层'conv1'
の学习可なパラメーター'重量'
のL2正氢气数を 2 に設定します。
因子= 2;dlnet = setl2factor(dlnet,'Res1 / Network / Conv1 /重量',因素);
关节有关部getL2Factor
をを使し,更新されたl2正则化学数号を取得します。
因子= getl2factor(dlnet,'Res1 / Network / Conv1 /重量'的)
因素= 2
入力数
layer
-入力层
スカラーLayer
オブジェクト
入力层。スカラーLayer
オブジェクトとして指定します。
ParameterName.
-パラメーター名
文件ベクトル|细绳スカラー
パラメーター名。文字ベクトルまたは string スカラーとして指定します。
因素
-L2正氢气数
非负のスカラー
パラメーターのL2正氢化纸数。
このこの则化ててのたとえばされれれれれれれれれれれれれれれれれれれれれれされれれれれれれれれれれれれれれれれれれれれれれれれれれれれれれれれれれれれれたとえば因素
が2の场合,指定されれパラメーターL2正则化はL2正则化のの倍にます。グローバルL2正则。trainingOptions
を使用して指定できます。
例:2
ParameterPath.
-入れ子層のパラメーターへのパス
细绳スカラー|文件ベクトル
入れ子層のパラメーターへのパス。string スカラーまたは文字ベクトルとして指定します。入れ子層は、それ自体が層グラフを学習可能なパラメーターとして定義するカスタム層です。
setl2factor.
へのの力がが子层であるである料,パラメーターパラメーターは“propertyname / layername / parametername”
ここの形式になり。
propertyname.
は、dlnetwork.
オブジェクトが格式されたた名前layerName
は、dlnetwork.
オブジェクトオブジェクト内の层名前ParameterName.
は,パラメーターの名前
入れ子层のレベルレベルがあるある合并は,"propertyName1/layerName1/.../propertyNameN/layerNameN/parameterName"
のの形式で各レベルを指定しますしで,propertyname1.
とlayername1.
は关节setl2factor.
に対する入力の层に対応し,后続の部分はさらに深层のレベルに対応します。
例:setl2factor.
に対するに対する力では,パス“网络/ conv1 / weights”
がtillay.network.
によって指定されたdlnetwork.
オブジェクト内の“conv1”
という名前の层の“重量”
パラメーターを指定します。
setl2factor.
に対する入力がdlnetwork.
オブジェクトであり、目的のパラメーターが入れ子層の中にある場合、パラメーター パスは“layername1 / propertyName / layername / parametername”
ここの形式になり。
layername1.
は,入力dlnetwork.
オブジェクトオブジェクト内の层名前propertyname.
は、dlnetwork.
オブジェクトが格式され层层のlayerName
は、dlnetwork.
オブジェクトオブジェクト内の层名前ParameterName.
は,パラメーターの名前
入れ子层のレベルレベルがあるある合并は,“LayerName1 / propertyName1 / 1/./ layernamen / processnamen / layername / parametername”
のの形式で各レベルを指定しますしで,layername1.
とpropertyname1.
は关节setl2factor.
に対する入力の层に対応し,后続の部分はさらに深层のレベルに対応します。
例:setl2factor.
に対するdlnetwork.
入力では、パス“Res1 / Network / Conv1 /权重”
がtillay.network.
によって指定されたdlnetwork.
オブジェクト内の“conv1”
という名前の层の“重量”
パラメーターを指定します。ここここlayer
は入力ネットワークdlnet
の"res1"
という名前の层です。
データ型:char
|细绳
dlnet
-カスタム学习ループのネットワーク
dlnetwork.
オブジェクト
カスタム学习ループのネットワーク。dlnetwork.
オブジェクトとして指定します。
layerName
-层の名前
细绳スカラー|文件ベクトル
层の名前.stringスカラーまたは文字ベクトルとして指定します。
データ型:char
|细绳
出力数
distractupdated.
-更新された層
Layer
オブジェクト
更新された层。Layer
として返されます。
dlnetUpdated
-更新されたネットワーク
dlnetwork.
オブジェクト
更新されたネットワーク。dlnetwork.
として返されます。
バージョン履歴
matlabコマンド
次のMATLABコマンドに対応するリンクがクリックされました。
コマンドをmatlabコマンドウィンドウににに力
Select a Web Site
选择一个网站,以便在可用的地方进行翻译内容,并查看本地活动和优惠。根据您的位置,我们建议您选择:。
You can also select a web site from the following list:
如何获得最佳网站性能
选择中国网站(以中文或英文)以获得最佳网站性能。其他MathWorks国家网站未优化您所在地的访问。
美洲
- América Latina(Español)
- 加拿大(英语)
- United States(英语)