列表的功能dlarray
万博1manbetx
深度学习工具箱功能与dlarray
万博1manbetx
这些表列表,简要介绍了深度学习工具箱™操作的函数dlarray
对象。
深度学习操作
函数 | 描述 |
---|---|
注意 |
注意操作的重点部分输入使用加权乘法操作。 |
avgpool |
平均池操作执行downsampling除以输入池区域和计算每个区域的平均值。 |
batchnorm |
批处理规范化操作可实现输入数据在所有观测每个通道独立。加快卷积神经网络的训练,减少对网络的初始化,使用批量规范化卷积和非线性等操作线性整流函数(Rectified Linear Unit) 。 |
crossentropy |
叉操作计算网络预测和目标之间的叉损失值单标牌和多标记分类任务。 |
crosschannelnorm |
横跨海峡的规范化操作使用本地响应在不同渠道规范化每个激活。横跨海峡的正常化通常遵循一个线性整流函数(Rectified Linear Unit) 操作。横跨海峡的规范化也被称为当地反应正常化。 |
ctc |
CTC操作计算之间的联结主义颞分类(CTC)损失对齐序列。 |
dlconv |
卷积操作滑动过滤器适用于输入数据。使用dlconv 函数卷积深度学习、分组卷积和channel-wise分离卷积。 |
dlode45 |
神经常微分方程(ODE)操作返回指定的颂歌的解决方案。 |
dltranspconv |
转置卷积操作upsamples特征图。 |
嵌入 |
嵌入操作数字指标转换为数值向量,指标对应于离散数据的地方。使用嵌入的地图离散数据分类值或文字等数值向量。 |
fullyconnect |
完全连接操作增加权重矩阵的输入向量,然后添加一个偏见。 |
gelu |
高斯误差线性单元(GELU)激活操作重量输入高斯分布下的概率。 |
groupnorm |
集团标准化操作可实现输入数据分组为每个独立观测通道的子集。加快卷积神经网络的训练,减少对网络的初始化,使用组规范化卷积和非线性等操作线性整流函数(Rectified Linear Unit) 。 |
格勒乌 |
封闭的复发性单元(格勒乌)操作允许网络学习时间步骤时间序列和序列数据之间的依赖关系。 |
休伯 |
Huber操作计算网络预测和目标之间的Huber损失值回归任务。当“TransitionPoint” 选项1,这也被称为光滑的l1损失。 |
instancenorm |
实例规范化操作可实现输入数据在每个通道独立对每个观察。提高卷积神经网络训练的收敛和减少网络hyperparameters敏感性,使用实例之间的规范化卷积和非线性等操作线性整流函数(Rectified Linear Unit) 。 |
l1loss |
L1操作损失计算L1损失给网络预测和目标值。当减少 选择是“和” 和NormalizationFactor 选择是“批大小” ,计算值称为平均绝对误差(MAE)。 |
l2loss |
L2操作损失计算L2基于平方损失(L2规范)给定网络预测和目标的价值观。当减少 选择是“和” 和NormalizationFactor 选择是“批大小” ,计算值称为均方误差(MSE)。 |
layernorm |
层标准化操作可实现输入数据在所有渠道每个独立观察。加快复发性和多层感知器神经网络训练,减少对网络的初始化,使用层标准化后可学的操作,如LSTM和完全连接操作。 |
leakyrelu |
漏水的解决线性单元(ReLU)激活操作执行非线性阈值操作,任何输入值小于零乘以一个固定的比例因子。 |
lstm |
漫长的短期记忆(LSTM)操作允许网络学习长期时间步骤时间序列和序列数据之间的依赖关系。 |
maxpool |
最大池操作执行downsampling除以输入池区域和计算每个区域的最大价值。 |
maxunpool |
最大unpooling操作由upsampling unpools最大池操作的输出和零填充。 |
均方误差 |
均方误差的一半操作计算均方误差损失一半网络预测和目标之间的值回归任务。 |
onehotdecode |
在一个炎热的解码操作解码概率向量,如分类网络的输出,分类标签。 输入 |
线性整流函数(Rectified Linear Unit) |
修正的线性单元(ReLU)激活操作执行非线性阈值操作,任何输入值小于零设置为零。 |
乙状结肠 |
乙状结肠激活操作乙状结肠函数适用于输入数据。 |
softmax |
将softmax激活操作将softmax函数适用于输入的频道维度数据。 |
dlarray
特殊功能
函数 | 描述 |
---|---|
会变暗 |
这个函数返回的数据格式dlarray 。 |
dlfeval |
这个函数评估dlarray 使用自动分化功能。 |
dlgradient |
这个函数计算梯度使用自动分化。 |
extractdata |
这个函数提取的数据dlarray 。 |
finddim |
这个函数的指数dlarray 维度与给定维度标签。 |
stripdims |
该函数删除的数据格式dlarray 。 |
特定于域的函数dlarray
万博1manbetx
这些表列出并简要描述操作的特定于域的功能dlarray
对象。
计算机视觉
函数 | 描述 |
---|---|
focalCrossEntropy (计算机视觉工具箱) |
计算焦两叉的损失dlarray 对象代表预测和目标分类标签。 |
generalizedDice (计算机视觉工具箱) |
测量两个之间的相似之处dlarray 代表的对象分割图像,使用广义骰子占类的指标权重。 |
roialign (计算机视觉工具箱) |
执行ROI池dlarray 数据。 |
图像处理
函数 | 描述 |
---|---|
depthToSpace (图像处理工具箱) |
重新排列dlarray 数据从深度维度空间块。 |
dlresize (图像处理工具箱) |
调整的空间维度dlarray 。 |
multissim (图像处理工具箱) |
测量两个之间的相似之处dlarray 对象表示二维图像,使用多尺度结构相似(MS-SSIM)指标。 |
multissim3 (图像处理工具箱) |
测量两个之间的相似之处dlarray 对象代表三维图像,使用3 d MS-SSIM度量。 |
psnr值 (图像处理工具箱) |
测量两个之间的相似之处dlarray 对象代表图像使用峰值信噪比(PSNR)指标。 |
spaceToDepth (图像处理工具箱) |
重新排列的空间块dlarray 数据转换成深度维度。 |
ssim (图像处理工具箱) |
测量两个之间的相似之处dlarray 代表图像的对象使用的结构相似度(SSIM)指标。 |
信号处理
无线通信
MATLAB功能与dlarray
万博1manbetx
许多MATLAB®功能操作dlarray
对象。这些表列表使用笔记和限制当你使用这些功能dlarray
参数。
一元Element-wise功能
二进制Element-wise运营商
还原功能
极值函数
函数 | 笔记和局限性 |
---|---|
装天花板 |
输出 |
每股收益 |
|
修复 |
输出 |
地板上 |
输出 |
马克斯 |
|
最小值 |
|
重新调节 |
|
轮 |
|
傅里叶变换
其他的数学操作
函数 | 笔记和局限性 |
---|---|
结肠 ,: |
|
interp1 |
|
mrdivide ,/ |
第二个 |
mtimes ,* |
|
数值 |
支持的语万博1manbetx法是:
至少一个 如果 为 为 提示 对于神经颂歌工作流,使用 |
pagemtimes |
一个输入可以是一个格式化的 |
逻辑运算
函数 | 笔记和局限性 |
---|---|
所有 |
输出 |
和 ,& |
如果两个 |
任何 |
输出 |
情商 ,= = |
如果两个 |
通用电气 ,> = |
|
gt ,> |
|
勒 ,< = |
|
lt ,< |
|
不 ,~ = |
|
不 ,~ |
输出 |
或 ,| |
如果两个 |
xor |
大小操作函数
换位操作
函数 | 笔记和局限性 |
---|---|
ctranspose ,” |
如果输入 |
交换 |
如果输入 |
转置 ,。” |
如果输入 |
连接功能
转换函数
函数 | 笔记和局限性 |
---|---|
投 |
|
双 |
输出是一个 |
收集 (并行计算工具箱) |
|
gpuArray (并行计算工具箱) |
|
逻辑 |
输出是一个dlarray 包含的数据类型逻辑 。 |
单 |
输出是一个dlarray 包含的数据类型单 。 |
比较函数
数据类型和值识别功能
函数 | 笔记和局限性 |
---|---|
isdlarray |
N /一个 |
isfinite |
软件的功能适用于底层数据的输入 |
isfloat |
|
isgpuarray (并行计算工具箱) |
|
isinf |
|
islogical |
|
isnan |
|
isnumeric |
|
伊斯雷尔 |
|
isUnderlyingType |
N /一个 |
mustBeUnderlyingType |
|
underlyingType |
|
validateattributes |
如果输入数组一个 是一个格式化的dlarray ,它的维度是匹配的顺序排列“SCBTU” 。大小排列后应用验证。 |
大小识别功能
函数 | 笔记和局限性 |
---|---|
iscolumn |
这个函数返回真正的 对于一个dlarray 这是一个列向量,其中每个维度除了首先是一个单例。例如,一个3-by-1-by-1dlarray 是一个列向量。 |
ismatrix |
这个函数返回真正的 为dlarray 只有两个维度和对象dlarray 对象,每个维度除了前两个是一个单例。例如,一个3-by-4-by-1dlarray 是一个矩阵。 |
isrow |
这个函数返回真正的 对于一个dlarray 这是一个行向量,其中每个维度除了第二个是一个单例。例如,一个1-by-3-by-1dlarray 是一个行向量。 |
isscalar |
N /一个 |
isvector |
这个函数返回真正的 对于一个dlarray 这是一个行向量和列向量。请注意,isvector 不考虑1-by-1-by-3吗dlarray 是一个向量。 |
长度 |
N /一个 |
ndims |
如果输入 |
元素个数 |
N /一个 |
大小 |
如果输入 |
创造者的功能
字符串,性格,和分类功能
可视化功能
值得注意的dlarray
行为
隐式扩张与数据格式
一些函数使用隐式扩张结合两个格式化dlarray
输入。功能介绍标签单维度(尺寸大小1)输入,必要时,使他们的格式相匹配。函数插入单维度的每个块尺寸相同的标签。
看到这种行为的一个例子,输入以下代码。
X = 1 (2、3、2);X = dlarray (X,“渣打银行”)Y = 1:3;Y = dlarray (Y,“C”)Z = x * Y
X = 2 (S)×3 (C)×2 (B) dlarray (:,: 1) = 1 1 1 1 1 1 (:,: 2) = 1 1 1 1 1 1 Y = 3 (C)×1 (U) dlarray 1 2 3 Z = 2 (S)×3 (C)×2 (B) dlarray (:,: 1) = 1 2 3 1 2 3 (:,: 2) = 1 2 3 1 2 3
Z (i, j, k) = X (i, j, k)。* Y (j)
为指标我
,j
,k
。第二维度Z
(标记为“C”
)对应于第二维度X
的第一个维度Y
。
一般的格式dlarray
输入不需要另一个格式的一个子集dlarray
输入。例如,如果X
和Y
输入参数,dim (X) =“渣打银行”
和退去(Y) = ' SSCT '
,然后输出Z
有退去(Z) = ' SSCBT '
。的“年代”
维度的X
映射到第一个“年代”
维度的Y
。
特殊的“U”维度的行为
的“U”
维度的dlarray
的行为不同于其他标签尺寸,它展现了MATLAB单维度的行为标准。你可以把一个格式化的dlarray
有无穷多“U”
尺寸大小1返回的维度大小
。
软件丢弃“U”
标签,除非维度nonsingleton或是第一两个维度之一dlarray
。
看到这种行为的一个例子,输入以下代码。
X = 1 (2, 2);X = dlarray (X,“SC”)X (:: 2) = 2
X = 2 (S)×2 (C) dlarray 1 1 1 1 X = 2 (S)×2 (C)×2 (U) dlarray (:,: 1) = 1 1 1 1 (:,: 2) = 2 2 2 2
dlarray
一个三维dlarray
和标签第三维“U”
默认情况下。的一个例子“U”
维度中使用隐式扩张,明白了隐式扩张与数据格式。
索引
索引和一个dlarray
支持和万博1manbetx展品以下行为:
X (idx1,…, idxn)
返回一个dlarray
相同的数据格式X
如果n
大于或等于什么ndims (X)
。否则,它返回一个非格式化dlarray
。如果你设置
Y = X (idx1,…, idxn)
的数据格式Y
保留,虽然软件可能会添加或删除后“U”
尺寸标签。的数据格式X
对这个操作没有影响。如果你删除的部分
dlarray
使用X (idx1,…, idxn) = []
的数据格式X
如果保留n
大于或等于什么ndims (X)
。否则,X
无格式返回。
舍入误差
当你使用一个函数dlarray
输入的顺序操作函数内可以改变基于内部存储的顺序dlarray
。这种变化可以导致不同的舍入dlarray
否则相等的对象。
另请参阅
dlarray
|dlgradient
|dlfeval
|dlnetwork