主要内容

flattenLayer

平层

展开页面中的所有内容

描述

扁平层将输入的空间尺寸塌陷到通道尺寸中。

例如，如果该层的输入是H-经过-W-经过-C-经过-N-经过-年代数组(图像序列)，则平展的输出为(H＊W＊C)———N-经过-年代数组中。

该层仅支持序列输入。万博1manbetx

创建

语法

层= flattenLayer
层= flattenLayer(“名字”,名称)

描述

层=扁平秀创建一个扁平层。

例子

层= flattenLayer(“名字”,的名字）设置可选的名字属性使用名称-值对。例如,flattenLayer('名称',' flatten1 ')创建一个有名称的扁平层'扁平'．

属性

全部展开

层名，指定为字符向量或字符串标量。要在层图中包含层，必须指定一个非空的、唯一的层名。如果你训练一个系列网络层和的名字设定为”，然后该软件在训练时自动为该层指定一个名称。

数据类型:char|字符串

图层的输入数。此图层仅接受单个输入。

数据类型:双

图层的输入名称。此图层仅接受单个输入。

数据类型:细胞

层的输出数。这一层只有一个输出。

数据类型:双

图层的输出名称。这一层只有一个输出。

数据类型:细胞

对象的功能

例子

全部折叠

打开直播脚本

使用名称创建平坦的图层'扁平'．

层= flattenLayer (“名字”，'扁平'）
Name: '扁平化1'
打开直播脚本

为包含图像序列的数据创建深度学习网络，例如视频和医学图像数据。

  • 要将图像序列输入到网络中，请使用序列输入层。

  • 要对每个时间步单独应用卷积运算，首先使用序列折叠层将图像序列转换为图像数组。

  • 要在执行这些操作后恢复序列结构，请使用序列展开层将这个图像数组转换回图像序列。

  • 要将图像转换为特征向量，使用一个平坦层。

然后可以将矢量序列输入LSTM和BiLSTM层。

定义网络体系结构

创建一个分类LSTM网络，将28-×28灰度图像的序列分类为10类。

定义以下网络架构:

  • 输入大小为的序列输入层[28 28 1]．

  • 一个卷积，批归一化，和ReLU层块与20 5 × 5滤波器。

  • 一个LSTM层，具有200个隐藏单元，仅输出最后一次步骤。

  • 一个大小为10的完全连接层(类的数量)，然后是一个softmax层和一个分类层。

为了独立地在每次上执行卷积操作，包括卷积层之前的序列折叠层。LSTM层预计向量序列输入。为了恢复序列结构并将卷积层的输出重新塑造到特征向量的序列，在卷积层和LSTM层之间插入序列展开层和平坦层。

inputSize = [28 28 1];filterSize = 5;numFilters = 20;numHiddenUnits = 200;numClasses = 10;层= [．..sequenceInputLayer (inputSize“名字”，“输入”) sequenceFoldingLayer (“名字”，“折”）卷积2dlayer（过滤，numfilters，“名字”，'conv') batchNormalizationLayer (“名字”，'bn') reluLayer (“名字”，'relu') sequenceUnfoldingLayer (“名字”，'展开'）Flattenlayer（“名字”，“平”) lstmLayer (numHiddenUnits“OutputMode”，“最后一次”，“名字”，“lstm”）全连接列（numcrasses，“名字”，'fc') softmaxLayer (“名字”，“softmax”scassificationlayer（“名字”，“分类”）];

将层转换为层图，并连接miniBatchSize序列折叠层的输出到序列展开层的相应输入。

lgraph = layerGraph(层);lgraph = connectLayers (lgraph,“折/ miniBatchSize”，'展开/小贴士')；

查看最终的网络架构使用情节函数。

图绘图（LGROP）

图中包含一个轴。这些轴包含一个graphplot类型的对象。

扩展功能

GPU的代码生成
使用GPU Coder™为NVIDIA®GPU生成CUDA®代码。

另请参阅

||||||||

主题

介绍了R2019a

深度学习工具箱文档

万博1manbetx

与Matlab引入深度学习

与Matlab引入深度学习

下载电子书