主要内容

缩放层

演员或评论家网络的缩放层

在页面中扩展全部

描述

缩放层线性缩放并偏向输入阵列你，给出输出y =比例。*u +偏见。您可以将此层纳入您为演员或批评者定义的深度神经网络中，以增强学习者。该层可用于缩放和移动非线性层的输出，例如Tanhlayer和sigmoid。

例如，Tanhlayer给出界限的有限输出在–1和1之间。如果您的Actor网络输出的界限不同（Actor规范中定义），则可以包括一个缩放层作为扩展和移动参与者网络输出的输出。

一个参数缩放层对象无法学习。

创建

句法

Slayer = Scaleinglayer
slayer = scainglayer（name，value）

描述

杀手=缩放层创建具有默认属性值的缩放层。

例子

杀手= scapinglayer（名称，价值）套特性使用名称值对。例如，Scapinglayer（'scale'，0.5）创建一个缩放层，将其输入缩放为0.5。将每个属性名称包装在报价中。

特性

展开全部

图层的名称，指定为字符向量。要将图层包含在图层图中，您必须指定一个非空的唯一图层名称。如果您使用此层训练系列网络，并且姓名被设定为''，然后该软件在训练时间自动为图层分配名称。

此属性仅阅读。

图层的描述，指定为字符向量。创建缩放层时，您可以使用此属性为其提供一个描述，以帮助您确定其目的。

在缩放层的输入上的元素尺度，指定为以下一个：

  • 标量 - 为输入数组的所有元素指定相同的比例因子。

  • 与输入数组相同的尺寸的数组 - 为输入数组的每个元素指定不同的比例因子。

缩放层采用输入你并生成输出y =比例。*u +偏见。

在缩放层的输入上元素偏差，指定为以下一项：

  • 标量 - 为输入数组的所有元素指定相同的偏置。

  • 与输入数组相同的尺寸的数组 - 为输入数组的每个元素指定不同的偏差。

缩放层采用输入你并生成输出y =比例。*u +偏见。

例子

全部收缩

打开实时脚本

创建一个转换输入数组的缩放层你到输出数组y = 0.1。*u -0.4。

slayer = scalinglayer（'规模'，0.1，'偏见'，-0.4）
slayer =带有属性的缩放层：名称：'缩放尺度：0.1000偏差：-0.4000可学习参数无属性。状态参数无属性。显示所有属性

确认缩放层按预期缩放和抵消输入阵列。

预测（Slayer，[10,20,30]）
ans =1×30.6000 1.6000 2.6000

您可以合并杀手进入演员网络或评论家网络，用于加强学习。

打开实时脚本

假设在缩放层是一个Tanhlayer三个输出沿着第一个维度对齐，并且您想使用一个不同的缩放因素和偏差使用缩放层。

比例= [2.5 0.4 10]';偏见= [5 0 -50]';

创建缩放层目的。

slayer = scalinglayer（'规模'，规模，'偏见'，偏见）;

确认缩放层将正确的比例和偏置值应用于具有预期尺寸的数组。

testData = [10 10 10]';预测（Slayer，TestData）
ans =3×130 4 50

扩展功能

GPU代码生成
使用GPU CODER™为NVIDIA®GPU生成CUDA®代码。

版本历史记录

在R2019a中引入

也可以看看

|

话题