convolution1dLayer
描述
一个一维卷积层滑动卷积过滤器适用于一维输入。层可变输入通过过滤器的输入和计算权重的点积和输入,然后添加一个偏差项。
层的尺寸可变取决于层输入:
时间序列和向量序列的输入(数据与三维空间的通道,观察,时间和步骤),可变层在时间维度。
对于一维图像输入(数据与三维空间对应像素,渠道,和观察),层可变空间维度。
对于一维图像序列输入(数据与四维空间对应像素,渠道,观察,和时间步长),层可变空间维度。
创建
语法
描述
创建了一个一维卷积层和设置层
= convolution1dLayer (filterSize
,numFilters
)FilterSize
和NumFilters
属性。
还设置可选层
= convolution1dLayer (filterSize
,numFilters
,名称=值
)步
,DilationFactor
,NumChannels
,参数和初始化,学习速率、正规化,的名字
使用一个或多个属性名称参数。指定输入填充,使用填充
名称-值参数。例如,convolution1dLayer(96填充= 1)
创建了一个一维卷积与96过滤器的大小11层,并指定填充大小1的左和右层输入。
输入参数
指定可选的双参数作为Name1 = Value1,…,以=家
,在那里的名字
参数名称和吗价值
相应的价值。名称-值参数必须出现在其他参数,但对的顺序无关紧要。
例子:convolution1dLayer(96填充= 1)
创建了一个一维卷积与96过滤器的大小11层,并指定填充大小1的左和右层输入。
填充
- - - - - -填充申请输入
[0 0]
(默认)|“相同”
|“因果”
|非负整数|向量的非负整数
填充适用于输入,指定为以下之一:
“相同”
——应用填充,这样大小的输出装天花板(inputSize /步)
,在那里inputSize
是输入的长度。当步
是1
,输出是相同的大小作为输入。“因果”
——左填充应用于输入,等于(FilterSize - 1) * DilationFactor
。当步
是1
,输出是相同的大小作为输入。非负整数
深圳
——添加填充的大小深圳
两端的输入。向量
(l r)
非负整数的加衬垫的大小l
左边和r
右边的输入。
例子:填充= (2 - 1)
添加填充大小2左边和大小1右边的输入。
数据类型:单
|双
|int8
|int16
|int32
|int64
|uint8
|uint16
|uint32
|uint64
|字符
|字符串
属性
卷积
FilterSize
- - - - - -宽度的过滤器
正整数
这个属性是只读的。
宽度的过滤器,指定为一个正整数。
数据类型:单
|双
|int8
|int16
|int32
|int64
|uint8
|uint16
|uint32
|uint64
NumFilters
- - - - - -数量的过滤器
正整数
这个属性是只读的。
的过滤器,指定为一个正整数。这个号码对应的层神经元数量输入连接到同一个地区。这个参数决定渠道的数量(特征图)层的输出。
数据类型:单
|双
|int8
|int16
|int32
|int64
|uint8
|uint16
|uint32
|uint64
步
- - - - - -步长为遍历输入
1
(默认)|正整数
步长为遍历输入,指定为一个正整数。
数据类型:单
|双
|int8
|int16
|int32
|int64
|uint8
|uint16
|uint32
|uint64
DilationFactor
- - - - - -因素扩张卷积
1
(默认)|正整数
因素扩张卷积(也称为深黑色的卷积),指定为一个正整数。
使用扩张增加接受域的卷积(输入层可以看到的面积)的层不增加参数的数量或计算。
层扩展每个滤芯过滤器插入0之间。膨胀系数确定的步长采样输入,或等价,滤波器的upsampling因素。它对应于一个有效的过滤器的大小(FilterSize - 1) * DilationFactor + 1
。例如,一个1×3过滤器的膨胀系数2
相当于1-by-5过滤与0之间的元素。
数据类型:单
|双
|int8
|int16
|int32
|int64
|uint8
|uint16
|uint32
|uint64
PaddingSize
- - - - - -大小的填充
[0 0]
(默认)|向量的两个非负整数
PaddingValue
- - - - - -板数据值
0
(默认)|标量|“symmetric-include-edge”
|“symmetric-exclude-edge”
|“复制”
这个属性是只读的。
板数据值,指定为以下之一:
PaddingValue |
描述 | 例子 |
---|---|---|
标量 | 垫与指定的标量值。 |
|
“symmetric-include-edge” |
垫使用镜像的输入值,包括边缘值。 |
|
“symmetric-exclude-edge” |
垫使用镜像的输入值,排除边缘值。 |
|
“复制” |
垫使用重复的边界元素的输入。 |
|
数据类型:单
|双
|int8
|int16
|int32
|int64
|uint8
|uint16
|uint32
|uint64
|字符
|字符串
NumChannels
- - - - - -数量的输入通道
“汽车”
(默认)|正整数
这个属性是只读的。
输入通道的数量,指定为以下之一:
“汽车”
——自动确定培训时间输入通道的数量。正整数——配置层指定数量的输入通道。
NumChannels
和的频道数层输入数据必须匹配。例如,如果输入是一个RGB图像NumChannels
必须是3。如果输入是输出的卷积和16层过滤器,然后NumChannels
必须是16。
数据类型:单
|双
|int8
|int16
|int32
|int64
|uint8
|uint16
|uint32
|uint64
|字符
|字符串
参数和初始化
WeightsInitializer
- - - - - -函数来初始化权重
“glorot”
(默认)|“他”
|“narrow-normal”
|“零”
|“的”
|函数处理
初始化权重函数,指定为以下之一:
“glorot”
——初始化权重Glorot初始值设定项[1](也称为Xavier初始化)。独立Glorot初始化一个均匀分布的样本均值为零,方差2 / (numIn + numOut)
,在那里numIn = FilterSize * NumChannels
和numOut = FilterSize * NumFilters
。“他”
——初始化权重的初始值设定项[2]。他初始化样本正态分布均值为零,方差2 / numIn
,在那里numIn = FilterSize * NumChannels
。“narrow-normal”
——初始化权重独立抽样从正态分布的均值为零,标准差为0.01。“零”
——初始化权重为零。“的”
——初始化权重的。函数处理——使用一个自定义函数初始化权重。如果你指定一个函数处理,那么必须表单的功能
重量= func(深圳)
,在那里深圳
权重的大小。例如,看到的指定自定义权重的初始化函数。
层只初始化时的重量权重
属性是空的。
数据类型:字符
|字符串
|function_handle
BiasInitializer
- - - - - -函数来初始化的偏见
“零”
(默认)|“narrow-normal”
|“的”
|函数处理
函数来初始化偏见,指定为以下之一:
“零”
——初始化与零偏差。“的”
——初始化偏见的。“narrow-normal”
——初始化倾向独立抽样从正态分布的均值为零,标准差为0.01。函数处理与一个自定义函数,初始化偏见。如果你指定一个函数处理,那么必须表单的功能
偏见= func(深圳)
,在那里深圳
偏差的大小。
层只初始化时的偏见偏见
属性是空的。
数据类型:字符
|字符串
|function_handle
权重
- - - - - -层的重量
[]
(默认)|数字数组
层权重的转置卷积操作,指定为一个FilterSize
——- - - - - -NumChannels
——- - - - - -numFilters
数字数组或[]
。
层权重可学的参数。您可以指定权重的初始值直接使用权重
层的属性。当你训练一个网络,如果权重
属性层的非空的trainNetwork
使用权重
属性的初始值。如果权重
属性是空的,那么trainNetwork
使用指定的初始化程序WeightsInitializer
层的属性。
数据类型:单
|双
偏见
- - - - - -层的偏见
[]
(默认)|数字数组
层偏见的转置卷积操作,指定为1×-NumFilters
数字数组或[]
。
层偏差是可学的参数。当你训练一个神经网络,如果偏见
非空的,那么trainNetwork
使用偏见
属性的初始值。如果偏见
是空的,然后trainNetwork
使用指定的初始化程序BiasInitializer
。
数据类型:单
|双
学习速率、正规化
WeightLearnRateFactor
- - - - - -学习速率因子权重
1
(默认)|负的标量
学习速率因子权重,指定为负的标量。
软件由全球学习速率繁殖这个因素确定权重的学习速率这一层。例如,如果WeightLearnRateFactor
是2
,然后在这一层权值的学习速率是当前全球学习速率的两倍。全球学习速率决定了基于的软件设置您指定使用trainingOptions
函数。
数据类型:单
|双
|int8
|int16
|int32
|int64
|uint8
|uint16
|uint32
|uint64
BiasLearnRateFactor
- - - - - -学习速率因子偏见
1
(默认)|负的标量
学习速率因子的偏见,指定为负的标量。
软件由全球学习速率繁殖这个因素来确定学习速率的偏见在这一层。例如,如果BiasLearnRateFactor
是2
,那么学习速率的偏见层是当前全球学习速率的两倍。全球学习速率决定了基于的软件设置您指定使用trainingOptions
函数。
数据类型:单
|双
|int8
|int16
|int32
|int64
|uint8
|uint16
|uint32
|uint64
WeightL2Factor
- - - - - -l2正则化因子权重
1(默认)|负的标量
l2正则化因子权重,指定为负的标量。
全球的软件增加这个因素l2正则化因子来确定l2正则化这一层的权重。例如,如果WeightL2Factor
是2
,那么l2正则化这一层的权重是全球的两倍l2正则化因子。您可以指定全球l2正则化因子使用trainingOptions
函数。
数据类型:单
|双
|int8
|int16
|int32
|int64
|uint8
|uint16
|uint32
|uint64
BiasL2Factor
- - - - - -l2正则化因子的偏见
0
(默认)|负的标量
l2正则化因子的偏见,指定为负的标量。
全球的软件增加这个因素l2正则化因子来确定l2在这一层正规化的偏见。例如,如果BiasL2Factor
是2
,那么l2正规化的偏见这一层是全球的两倍l2正则化因子。决定了全球的软件l2正则化因子的基础上,设置您指定使用trainingOptions
函数。
数据类型:单
|双
|int8
|int16
|int32
|int64
|uint8
|uint16
|uint32
|uint64
层
的名字
- - - - - -层的名字
”
(默认)|特征向量|字符串标量
图层名称,指定为一个特征向量或字符串标量。为层
数组输入,trainNetwork
,assembleNetwork
,layerGraph
,dlnetwork
函数自动分配名称层的名称”
。
数据类型:字符
|字符串
NumInputs
- - - - - -输入数量
1
(默认)
这个属性是只读的。
输入层的数量。这一层只接受一个输入。
数据类型:双
InputNames
- - - - - -输入名字
{"在"}
(默认)
这个属性是只读的。
输入层的名称。这一层只接受一个输入。
数据类型:细胞
NumOutputs
- - - - - -数量的输出
1
(默认)
这个属性是只读的。
输出层的数量。这一层只有一个输出。
数据类型:双
OutputNames
- - - - - -输出的名字
{“出”}
(默认)
这个属性是只读的。
输出层的名称。这一层只有一个输出。
数据类型:细胞
例子
创建一维卷积层
创建一个一维卷积11层96过滤器的宽度。
层= convolution1dLayer (96)
层= Convolution1DLayer属性:名称:“Hyperparameters FilterSize: 11 NumChannels:“汽车”NumFilters: 96步:1 DilationFactor: 1 PaddingMode:“手动”PaddingSize: [0 0] PaddingValue: 0可学的参数权重:[]偏见:[]显示所有属性
包括一维卷积层中层
数组中。
层= [sequenceInputLayer(3,最小长度= 20)convolution1dLayer (96) reluLayer globalMaxPooling1dLayer fullyConnectedLayer (10) softmaxLayer classificationLayer]
层x1 = 7层阵列层:1“序列输入序列与三维输入2”一维卷积96 11旋转步1和填充[0 0]3”ReLU ReLU 4”一维全球最大池一维全球最大池5“完全连接10完全连接层6”Softmax Softmax crossentropyex 7”分类输出
算法
一维卷积层
一个一维卷积层滑动卷积过滤器适用于一维输入。层可变输入通过过滤器的输入和计算权重的点积和输入,然后添加一个偏差项。
层的尺寸可变取决于层输入:
时间序列和向量序列的输入(数据与三维空间的通道,观察,时间和步骤),可变层在时间维度。
对于一维图像输入(数据与三维空间对应像素,渠道,和观察),层可变空间维度。
对于一维图像序列输入(数据与四维空间对应像素,渠道,观察,和时间步长),层可变空间维度。
层的输入和输出格式
层一层一层数组或图后续层传递数据格式化dlarray
对象。的格式dlarray
对象是一个字符串,其中每个字符描述相应的维度的数据。这些字符的格式由一个或多个:
“S”
——空间“C”
——频道“B”
——批“T”
——时间“U”
——未指明的
例如,您可以代表向量序列数据作为一个三维数组,第一个维度对应通道的维度,第二维度对应批维度,第三维对应于时间维度。这表示格式“认知行为治疗”
(通道、批量、时间)。
你可以与这些交互dlarray
对象等自动分化工作流开发一个自定义图层,使用functionLayer
对象,或使用向前
和预测
功能与dlnetwork
对象。
此表显示了支持输入格式万博1manbetxConvolution1DLayer
对象和相应的输出格式。如果输出层的传递给一个定制的层不继承nnet.layer.Formattable
类,或FunctionLayer
对象的Formattable
属性设置为0
(假),然后层接收未格式化dlarray
对象的尺寸要求相应的这个表的格式。
输入格式 | 输出格式 |
---|---|
|
|
|
|
|
|
在dlnetwork
对象,Convolution1DLayer
对象也支持这些输入和输出格万博1manbetx式的组合。
输入格式 | 输出格式 |
---|---|
|
|
|
|
|
|
引用
[1]Glorot,泽维尔,Yoshua Bengio。“理解的难度训练前馈神经网络。”在《十三人工智能国际会议上和统计,249 - 356。意大利撒丁岛:AISTATS, 2010。https://proceedings.mlr.press/v9/glorot10a/glorot10a.pdf
[2]他开明、象屿张任Shaoqing,剑太阳。“深深入整流器:超越人类表现ImageNet分类。”在学报2015年IEEE计算机视觉国际会议,1026 - 1034。华盛顿特区:IEEE计算机视觉的社会,2015年。https://doi.org/10.1109/ICCV.2015.123
版本历史
介绍了R2021b
MATLAB命令
你点击一个链接对应MATLAB命令:
运行该命令通过输入MATLAB命令窗口。Web浏览器不支持MATLAB命令。万博1manbetx
你也可以从下面的列表中选择一个网站:
表现最好的网站怎么走吗
选择中国网站(中文或英文)最佳站点的性能。其他MathWorks国家网站不优化的访问你的位置。