主要内容

이번역페이지는최신내용을담고있지않습니다。최신내용을영문으로보려면여기를클릭하십시오。

leakyReluLayer

漏水的ReLU(修正线性单元)계층

페이지내모두확장

설명

漏水的ReLU계층은0보다작은모든입력값에고정된스칼라를곱하는임계값연산을수행합니다。

이연산은다음과동일합니다。

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

생성

구문

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

설명

层= leakyReluLayer는漏ReLU계층을반환합니다。

层= leakyReluLayer (规模）은음의입력값에대한스칼라승수가规模인漏ReLU계층을반환합니다。

예제

层= leakyReluLayer (<年代pan class="argument_placeholder">＿＿＿“名称”,的名字）은漏ReLU계층을반환하고선택적속성인<一个href="//www.tatmou.com/kr/help/deeplearning/ref/nnet.cnn.layer.leakyrelulayer.html" class="intrnllnk">的名字을설정합니다。

속성

모두확장

漏水的ReLU

음의입력값에대한스칼라승수로,숫자형스칼라로지정됩니다。

예:0．4

계층

계층이름으로,문자형벡터또는字符串형스칼라로지정됩니다。계층그래프에계층을포함하려면비어있지않은고유한계층이름을지정해야합니다。이계층을사용하여시리즈신경망을훈련시킬때的名字을'＇로설정하면,소프트웨어가훈련시점에해당계층에자동으로이름을할당합니다。

데이터형:字符|字符串

계층의입력값개수。이계층은단일입력값만받습니다。

데이터형:双

계층의입력값이름。이계층은단일입력값만받습니다。

데이터형:细胞

계층의출력값개수。이계층은단일출력값만가집니다。

데이터형:双

계층의출력값이름。이계층은단일출력값만가집니다。

데이터형:细胞

예제

모두축소

라이브스크립트열기

이름이“leaky1”이고음의입력값에대한스칼라승수가인0.1漏ReLU계층을만듭니다。

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

层배열에漏ReLU계층을포함시킵니다。

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

참고문헌

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。”刊于《ICML》，第30卷，第2期。1.2013.

확장기능

C / c++코드생성
MATLAB®编码器™를사용하여C코드나c++코드를생성할수있습니다。

GPU코드생성
GPU编码器™를사용하여NVIDIA GPU®용CUDA®코드를생성할수있습니다。

참고항목

|<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">

도움말항목

R2017b에개발됨

深度学习工具箱문서

지원

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