主要内容

dlconv

深度学习卷积

页面上倒塌

语法

dlY=dlconv（dlX、重量、偏差）
海底= dlconv (dlX、重量、偏见、DataFormat, FMT)
DLY = dlconv（___、名称、值)

描述

卷积运算将滑动滤波器应用于输入数据。使用dlconv功能深度学习卷积，分组卷积和通道明智的可分离卷积。

这个dlconv函数应用深度学习卷积运算dlarray数据使用dlarray对象允许您标记维度，从而更容易地处理高维数据。例如，可以使用。标记空间维度、时间维度、通道维度和批处理维度“S”,“T”,“C”， 和“B”标签。对于未指定尺寸和其他尺寸，请使用“U”标签。为了dlarray对象函数在特定维度上操作时，可以通过格式化dlarray对象，或使用数据格式选项。

笔记

要内的应用卷积layerGraph对象或层阵列，下面的层中的用途之一：

实例

德利= dlconv (dlX,重量,偏见)将深度学习卷积操作应用于格式化的对象dlarray对象dlX。该函数使用由定义的滑动卷积滤波器重量并加上常数偏见．输出德利是一个格式化的dlarray对象的相同格式dlX．

该功能默认情况下，在卷积最多的三个维度dlX标签'S'(空间)。在标注的维度上进行卷积“不”(时间),指定重量与一个“不”使用格式化的dlarray对象或通过使用“WeightsFormat”选项。

对于未格式化的输入数据，请使用“DataFormat”选项。

实例

德利= dlconv (dlX,重量,偏见， 'DATAFORMAT'，FMT）将深度学习卷积操作应用于未格式化的对象dlarray对象dlX格式由指定FMT使用任何前面的语法。输出德利是一个未格式化dlarray与所述相同的顺序对象尺寸dlX例如'DATAFORMAT'， '固态断路器'指定格式为的二维卷积数据“SSCB”(spatial, spatial, channel, batch)。

实例

德利= dlconv (___,名称、值)使用一种或使用任何先前的语法的多个名称 - 值对的参数指定的选项。例如，'WeightsFormat'， 'TCU'指定的权重用于格式1-d卷积“TCU”（时间，信道，未指定）。

例子

全部收缩

打开直播脚本

创建一个格式化dlarray对象包含一批128 28 × 28图像与3通道。指定格式“SSCB”(spatial, spatial, channel, batch)。

minibatchsize = 128;inputSize = [28 28];numChannels = 3;X =兰特（inputSize（1），inputSize（2），numChannels，miniBatchSize）;DLX = dlarray（X，“SSCB”）;

查看输入数据的大小和格式。

尺寸（dlX）
ans=1×428 28 3 128
DIMS（DLX）
ANS = 'SSCB'

初始化二维卷积的权值和偏差。对于权重，指定64个3 × 3过滤器。对于偏差，指定一个零向量。

filterSize = [3 3];numFilters = 64;权重=兰特（filterSize（1），filterSize（2），numChannels，numFilters）;偏压=零（1，numFilters）;

应用2-D卷积dlconv函数。

dlY=dlconv（dlX、权重、偏差）；

查看输出的大小和格式。

尺寸（dlY）
ans=1×426 26 64 128
DIMS（DLY）
ANS = 'SSCB'
打开直播脚本

将输入数据卷积为三组，每组两个通道。每组应用四个过滤器。

将输入数据创建为10个尺寸为100 × 100、有6个通道的观测数据。

身高= 100;宽度= 100;渠道= 6;numObservations = 10;X =兰德(高度、宽度、通道numObservations);DLX = dlarray（X，“SSCB”）;

初始化卷积滤波器。指定三组卷积，每组对输入数据的两个通道应用四个卷积滤波器。

filterHeight=8；filterWidth=8；numChannelsPerGroup=2；numFiltersPerGroup=4；numGroups=3；weights=rand（filterHeight，filterWidth，numChannelsPerGroup，numFiltersPerGroup，numGroups）；

初始化偏差项。

偏见=兰德(numFiltersPerGroup * numGroups, 1);

执行卷积。

dlY=dlconv（dlX、重量、偏差）；尺寸（dlY）
ans=1×493 93 12 10
DIMS（DLY）
ANS = 'SSCB'

卷积输出的12个通道代表三组卷积，每组4个滤波器。

打开直播脚本

将输入数据分离到通道中，并分别对每个通道执行卷积。

将输入数据创建为大小为64×64和10个通道的单个观测值。将数据创建为未格式化的观测值dlarray．

高度= 64;宽度= 64;信道= 10;X =兰特（高度，宽度，信道）;DLX = dlarray（X）;

初始化卷积过滤器。指定对输入数据的所有三个通道应用单个卷积的未分组卷积。

filterHeight = 8;filterWidth = 8;numChannelsPerGroup = 1;numFiltersPerGroup = 1;numGroups =渠道;重量=兰德(filterHeight filterWidth、numChannelsPerGroup numFiltersPerGroup, numGroups);

初始化偏差项。

偏见=兰德(numFiltersPerGroup * numGroups, 1);

执行卷积。属性指定输入数据的维度标签“DataFormat”选项。

dlY=dlconv（dlX、重量、偏差、，“DataFormat”,“SSC”）;尺寸（dlY）
ans=1×357 57 10

每个通道单独卷积，所以输出中有10个通道。

打开直播脚本

创建一个格式化dlarray对象包含含有5个特征长度为512的128个序列。指定格式'CBT'（信道，批次，时间）。

numChannels=5；miniBatchSize=128；sequenceLength=512；X=rand（numChannels，miniBatchSize，sequenceLength）；dlX=dlarray（X，'CBT'）;

初始化一维卷积的权值和偏差。对于权重，指定64个过滤器，过滤器大小为3。对于偏差，指定一个零向量。

filterSize = 3;numFilters = 64;权重=兰特（filterSize，numChannels，numFilters）;偏压=零（1，numFilters）;

应用一维卷积dlconv函数。在上面卷积“不”（时间）输入数据的维度，指定权重格式“TCU”（时间、频道，未指定）使用“WeightsFormat”选项。

dlY=dlconv（dlX、重量、偏差、，“WeightsFormat”,“TCU”）;

查看输出的大小和格式。

尺寸（dlY）
ans=1×364 128 510
DIMS（DLY）
ANS = 'CBT'

输入参数

全部收缩

输入数据，指定为格式化的dlarray，未格式化dlarray，或数字数组。

如果dlX是一个未格式化dlarray或数字数组，则必须使用“DataFormat”选项。如果dlX是一个数字数组，则重量或者偏见必须是dlarray目的。

该功能默认情况下，在卷积最多的三个维度dlX标签'S'(空间)。在标注的维度上进行卷积“不”(时间),指定重量与一个“不”使用格式化的dlarray对象或通过使用“WeightsFormat”选项。

卷积过滤器，指定为格式化dlarray，未格式化dlarray，或数字数组。

权重的大小和格式取决于任务的类型。如果重量是一个未格式化dlarray或数字数组，则尺寸和形状重量取决于“WeightsFormat”选项。

下表描述的权重来完成各项任务的大小和格式。您可以指定任何顺序维度的数组使用格式化dlarray对象或使用“WeightsFormat”选项。当配重具有与所述相同的标签多个维度（例如，多个维度标记'S'），那么这些尺寸必须在如在该表中描述的排序。

任务 需要的尺寸 大小 实例
砝码 格式
一维卷积 'S'(空间)或“不”（时间） 滤镜尺寸

过滤——- - - - - -numChannels——- - - - - -微粒过滤器数组,过滤是一维滤波器的大小，numChannels是输入数据的通道数，以及微粒过滤器是过滤器的数量。

 “并”（空间，通道，未指定）
“C”(通道) 数量的渠道
“你”（未指明） 数量的过滤器
一维分组卷积 'S'(空间)或“不”（时间） 滤镜尺寸

过滤——- - - - - -numChannelsPerGroup——- - - - - -numFiltersPerGroup——- - - - - -numGroups数组,过滤是一维滤波器的大小，numChannelsPerGroup是每组输入数据的通道数，以及numFiltersPerGroup是每个组的筛选器数。

numChannelsPerGroup必须等于输入数据的通道数除以numGroups．

 “SCUU”(空间、通道、未指定、未指定)
“C”(通道) 每个组的频道数
第一个“你”（未指明） 每组过滤器的数量
第二个“你”（未指明） 组数
二维卷积 第一个'S'(空间) 过滤高度

filterSize（1）——- - - - - -filterSize（2）——- - - - - -numChannels——- - - - - -微粒过滤器数组,filterSize（1）和filterSize（2）分别为二维滤波器的高度和宽度，numChannels是输入数据的通道数，以及微粒过滤器是过滤器的数量。

 “SSCU”(空间，空间，通道，未指定)
第二个'S'(空间)或“不”（时间） 过滤器宽度
“C”(通道) 数量的渠道
“你”（未指明） 数量的过滤器
二维卷积分组 第一个'S'(空间) 过滤高度

filterSize（1）——- - - - - -filterSize（2）——- - - - - -numChannelsPerGroup——- - - - - -numFiltersPerGroup——- - - - - -numGroups数组,filterSize（1）和filterSize（2）分别为二维滤波器的高度和宽度，numChannelsPerGroup是每组输入数据的通道数，以及numFiltersPerGroup是每个组的筛选器数。

numChannelsPerGroup必须等于输入数据的通道数除以numGroups．

 “SSCUU”(spatial, spatial, channel，未指定，未指定)
第二个'S'(空间)或“不”（时间） 过滤器宽度
“C”(通道) 每个组的频道数
第一个“你”（未指明） 每组过滤器的数量
第二个“你”（未指明） 组数
三维卷积 第一个'S'(空间) 过滤高度

filterSize（1）——- - - - - -filterSize（2）——- - - - - -filterSize（3）——- - - - - -numChannels——- - - - - -微粒过滤器数组,filterSize（1）,filterSize（2）， 和filterSize（3）分别为3d滤镜的高度、宽度和深度，numChannels是输入数据的通道数，以及微粒过滤器是过滤器的数量。

 “SSSCU”（空间、空间、空间、通道，未指定）
第二个'S'(空间) 过滤器宽度
第三'S'(空间)或“不”（时间） 过滤器深度
“C”(通道) 数量的渠道
“你”（未指明） 数量的过滤器

对于信道可分(也称为深度可分)卷积，使用组数等于信道数的分组卷积。

提示

该功能默认情况下，在卷积最多的三个维度dlX标签'S'(空间)。在标注的维度上进行卷积“不”(时间),指定重量与一个“不”使用格式化的dlarray对象或通过使用“WeightsFormat”选项。

偏压恒定，指定为格式化dlarray，未格式化dlarray，数值向量或数值标量。

  • 如果偏见是一个标量，那么相同的偏压被施加到每一个输出。

  • 如果偏见有一个非单维，那么每个元素偏见应用于相应卷积滤波器的偏差是否由重量．的元件的数目偏见必须与指定的筛选器数匹配重量．

  • 如果偏见是0，则禁用偏置项，并且在卷积运算期间不添加偏置。

如果偏见是一个格式化的dlarray，则非Singleton标注必须是带标签的通道标注“C”（频道）。

名称值参数

指定可选的逗号分隔的字符对名称、值参数。的名字是参数名和价值是相应的价值。的名字必须出现在引号内。您可以以任何顺序指定多个名称和值对参数Name1, Value1,…,的家．

例子:“DilationFactor”,2设置扩张因子为每个卷积滤波器来2.．

未格式化的输入数据，指定为字符向量或标量的字符串的维序FMT提供用于数据的每个维度的标签。

当您指定的格式dlarray对象，每个字符提供了用于数据的每个维度的标签，并且必须是下列之一：

  • “S”——空间

  • “C”——频道

  • “B”- 批次（例如，样本和观测）

  • “T”- 时间（例如，序列的时间步长）

  • “U”——未指明的

您可以指定标记多个维度“S”或者“U”．你可以使用标签“C”,“B”， 和“T”最多一次。

您必须指定数据格式当输入数据不是格式化的dlarray．

数据类型:字符|字符串

权重的尺寸顺序，指定为逗号分隔对，由“WeightsFormat”以及为权重的每个维度提供标签的字符向量或字符串标量。

的默认值“WeightsFormat”取决于任务:

任务 默认
一维卷积 “并”（空间，通道，未指定）
一维分组卷积 “SCUU”(空间、通道、未指定、未指定)
二维卷积 “SSCU”(空间，空间，通道，未指定)
二维卷积分组 “SSCUU”(spatial, spatial, channel，未指定，未指定)
三维卷积 “SSSCU”（空间、空间、空间、通道，未指定）

尺寸标签万博1manbetx的支持的组合取决于卷积的类型，以了解更多信息，请参阅重量论点。

提示

该功能默认情况下，在卷积最多的三个维度dlX标签'S'(空间)。在标注的维度上进行卷积“不”(时间),指定重量与一个“不”使用格式化的dlarray对象或通过使用“WeightsFormat”选项。

例子:'WeightsFormat'， 'TCU'

数据类型:字符|字符串

遍历输入数据的步长，指定为逗号分隔对，由“大步走”和数字标量或数字向量。如果您指定“大步走”作为标量，相同的值用于所有空间维度“大步走”作为相同大小的输入数据的空间的维数的矢量，矢量值被用于对应的空间尺寸。

的默认值“大步走”是1.．

例子:“迈步”，3

数据类型:单|双|INT8.|int16|int32|int64|uint8|uint16|uint32|uint64

过滤器扩张因子，指定为逗号分隔的一对组成的“DilationFactor”和下面的一个。

  • 数值标量-对所有空间维度应用相同的膨胀因子值。

  • 数值向量 - 甲不同膨胀系数值沿着每个空间维度施加。使用大小的矢量D,在那里D是输入数据的空间维数。这个我向量的第Th元素指定应用于的膨胀因子我空间维度。

使用扩张的因素，增加对输入数据的过滤器（输入的过滤器可以看到的区域）的感受野。使用扩张因子对应于一个有效的过滤器大小filterSize +（filterSize-1）*（dilationFactor-1）．

例子:“DilationFactor”,2

数据类型:单|双|INT8.|int16|int32|int64|uint8|uint16|uint32|uint64

应用于对象的填充大小'S'和“不”维数由权重的格式给出，由逗号分隔的指定对组成“填充”以及下列其中一项：

  • '相同的'-应用填充，使输出尺寸大小小区（inputSize /步幅）,在那里inputSize是对应的输入尺寸的大小。什么时候步是1.时，输出的大小与输入相同。

  • “因果”–使用大小合适的左填充（FilterSize - 1）。*DilationFactor．此选项仅支持在单个时间或万博1manbetx空间维度上进行卷积。什么时候步是1.时，输出的大小与输入相同。

  • 非负整数深圳-添加大小的填充深圳到的两端'S'或者“不”由重量格式给出的尺寸。

  • 向量的整数深圳-添加大小的填充SZ（ⅰ）到的两端我th'S'或者“不”由重量格式给出的尺寸。的元件的数目深圳必须的数量相匹配'S'或者“不”重量的尺寸。

  • 整数矩阵深圳-添加大小的填充深圳(我)和深圳(2,我)至始至终我th'S'或者“不”由重量格式给出的尺寸。例如，对于二维输入，[TL；BR]应用尺寸填充T,B,L， 和R到顶部，底部，左侧，和分别向右的输入端。

例子:“填充”，“同”

数据类型:单|双|INT8.|int16|int32|int64|uint8|uint16|uint32|uint64|字符|字符串

值来填充数据，指定为以下其中之一:

填充值 描述 实例
标量 用指定的标量值填充。

[ 3. 1. 4. 1. 5. 9 2. 6. 5. ] → [ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 3. 1. 4. 0 0 0 0 1. 5. 9 0 0 0 0 2. 6. 5. 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 ]

“symmetric-include-edge” 使用输入的镜像值(包括边值)填充。

[ 3. 1. 4. 1. 5. 9 2. 6. 5. ] → [ 5. 1. 1. 5. 9 9 5. 1. 3. 3. 1. 4. 4. 1. 1. 3. 3. 1. 4. 4. 1. 5. 1. 1. 5. 9 9 5. 6. 2. 2. 6. 5. 5. 6. 6. 2. 2. 6. 5. 5. 6. 5. 1. 1. 5. 9 9 5. ]

“symmetric-exclude-edge” 使用镜像输入值(不包括边值)的Pad。

[ 3. 1. 4. 1. 5. 9 2. 6. 5. ] → [ 5. 6. 2. 6. 5. 6. 2. 9 5. 1. 5. 9 5. 1. 4. 1. 3. 1. 4. 1. 3. 9 5. 1. 5. 9 5. 1. 5. 6. 2. 6. 5. 6. 2. 9 5. 1. 5. 9 5. 1. 4. 1. 3. 1. 4. 1. 3. ]

'复制' 使用输入的重复边界元素填充

[ 3. 1. 4. 1. 5. 9 2. 6. 5. ] → [ 3. 3. 3. 1. 4. 4. 4. 3. 3. 3. 1. 4. 4. 4. 3. 3. 3. 1. 4. 4. 4. 1. 1. 1. 5. 9 9 9 2. 2. 2. 6. 5. 5. 5. 2. 2. 2. 6. 5. 5. 5. 2. 2. 2. 6. 5. 5. 5. ]

数据类型:单|双|INT8.|int16|int32|int64|uint8|uint16|uint32|uint64|字符|字符串

输出参数

全部收缩

卷积特征映射，作为dlarray用相同的基础数据类型如dlX．

如果输入数据dlX是一个格式化的dlarray然后德利格式与dlX．如果输入数据没有格式化dlarray然后德利是一个未格式化dlarray使用与输入数据相同的维度顺序。

的大小“C”（信道）的尺寸德利这取决于任务。

任务 的大小“C”维
卷积 数量的过滤器
分组卷积 每个组的过滤器数量乘以组的数量

更多关于

全部收缩

深度学习卷积

这个dlconv函数将滑动卷积滤波器应用于输入数据dlconv函数支持一个、两个万博1manbetx或三个空间维度或一个时间维度的卷积。要了解有关深度学习卷积的更多信息，请参阅的定义卷积层在这一点convolution2dLayer参考页面。

扩展功能

另见

||||||

话题

在R2019b中引入

深度学习工具箱文档

万博1manbetx

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