主要内容

setL2Factor

设置层可学习参数的L2正则化因子

折叠所有页面

语法

层= setL2Factor(层、parameterName因素)
layerUpdated = setL2Factor(层、parameterPath因素)
dlnetUpdated = setL2Factor (dlnet layerName、parameterName因素)
dlnetUpdated = setL2Factor (dlnet parameterPath因素)

描述

例子

层= setL2Factor (层，parameterName，因素）用名称设置参数的L2正则化因子parameterName在层来因素．

对于内置层，你可以通过使用相应的属性直接设置L2正则化因子。例如，对于aconvolution2dLayer层,语法层= setL2Factor(层、权重的因素)相当于层。WeightL2Factor =因素．

layerUpdated= setL2Factor (层，parameterPath，因素）设置路径指定参数的L2正则化因子parameterPath．当参数位于dlnetwork对象在自定义层中。

dlnetUpdated= setL2Factor (dlnet，layerName，parameterName，因素）用名称设置参数的L2正则化因子parameterName在名称图层中layerName为指定的dlnetwork对象。

dlnetUpdated= setL2Factor (dlnet，parameterPath，因素）设置路径指定参数的L2正则化因子parameterPath．当参数在嵌套层时使用此语法。

例子

全部折叠

打开生活的脚本

设置并得到一层可学习参数的L2正则化因子。

创建包含自定义层的层阵列preluLayer，附加到此示例作为支持文件。万博1manbetx要访问此层，请将此示例作为活动脚本打开。

创建一个包含自定义层的层阵列preluLayer．

层= [．..imageInputLayer([28 28 1])卷积2dlayer (5,20) batchNormalizationLayer preluLayer(20) fulllyconnectedlayer (10) softmaxLayer classificationLayer];

设置的L2正则化因子α的可学习参数preluLayer2。

层(4)= setL2Factor(层(4),“阿尔法”2);

查看更新的L2正规化因子。

因素= getL2Factor(层(4),“阿尔法”）
因素= 2
打开生活的脚本

设置并得到嵌套层的一个可学习参数的L2正则化因子。

创建一个残余块层使用自定义层residualBlockLayer作为支持文件附加到本示例中。万博1manbetx要访问此文件，请将此示例作为Live Script打开。

numFilters = 64;层= residualBlockLayer (numFilters)
layer = residualBlockLayer带有属性:Name: " Learnable Parameters Network: [1x1 dlnetwork] State Parameters无属性。显示所有属性

查看嵌套网络的层次。

layer.Network.Layers
ans = 7x1 Layer array with layers:64 3 x3的conv1卷积运算与步幅[1]和填充“相同”2“gn1”集团标准化规范化3‘relu1 ReLU ReLU 4 conv2卷积64 3 x3的隆起与步幅[1]和填充“相同”5“gn2”集团标准化规范化6‘添加’除了Element-wise添加2输入7‘relu2 ReLU ReLU

设置可学习参数的L2正则化因子“重量”层的“conv1”2 .使用setL2Factor函数。

因素= 2;一层一层= setL2Factor (,“网络/ conv1 /重量”、因素);

得到更新的L2正则化因子使用getL2Factor函数。

因素= getL2Factor(层,“网络/ conv1 /重量”）
因素= 2
打开生活的脚本

设置并得到a的可学习参数的L2正则化因子dlnetwork对象。

创建一个dlnetwork对象。

[imageInputLayer([28 28 1]，])，“归一化”，“没有”，“名字”，“在”20岁的)convolution2dLayer (5“名字”，“conv”) batchNormalizationLayer (“名字”，bn的) reluLayer (“名字”，“relu”) fullyConnectedLayer (10“名字”，“俱乐部”) softmaxLayer (“名字”，“sm”));lgraph = layerGraph(层);dlnet = dlnetwork (lgraph);

设置的L2正则化因子“重量”可学习参数的卷积层2使用setL2Factor函数。

因素= 2;dlnet = setL2Factor (dlnet,“conv”，“重量”、因素);

得到更新的L2正则化因子使用getL2Factor函数。

因素= getL2Factor (dlnet,“conv”，“重量”）
因素= 2
打开生活的脚本

a中嵌套层的一个可学习参数的L2正则化系数dlnetwork对象。

创建一个dlnetwork包含自定义层的residualBlockLayer作为支持文件附加到本示例中。万博1manbetx要访问此文件，请将此示例作为Live Script打开。

inputSize = [224 224 3];numFilters = 32;numClasses = 5;[imageInputLayer(inputSize，“归一化”，“没有”，“名字”，“在”numFilters) convolution2dLayer(7日,“步”2,“填充”，“相同”，“名字”，“conv”) groupNormalizationLayer (所有渠道的，“名字”，“gn”) reluLayer (“名字”，“relu”) maxPooling2dLayer (3“步”2,“名字”，“马克斯”) residualBlockLayer (numFilters“名字”，“res1”) residualBlockLayer (numFilters“名字”，“它”) residualBlockLayer (2 * numFilters,“步”2,“IncludeSkipConvolution”,真的,“名字”，“res3”) residualBlockLayer (2 * numFilters,“名字”，“res4”) residualBlockLayer (4 * numFilters,“步”2,“IncludeSkipConvolution”,真的,“名字”，“res5”) residualBlockLayer (4 * numFilters,“名字”，“res6”) globalAveragePooling2dLayer (“名字”，“差距”) fullyConnectedLayer (numClasses“名字”，“俱乐部”) softmaxLayer (“名字”，“sm”));dlnet = dlnetwork(层);

的可学的财产的dlnetwork对象是一个包含网络可学习参数的表。该表在单独的行中包含嵌套层的参数。查看该层可学习参数“res1”．

可学的= dlnet.Learnables;idx =可学的。层= =“res1”；可学的(idx:)
ans =8×3表层参数值______ _______________________ ___________________ "res1" "Network/conv1/Weights" {3x3x32x32 dlarray} "res1" "Network/conv1/Bias" {1x1x32 dlarray} "res1" "Network/gn1/Offset" {1x1x32 dlarray} "res1" "Network/gn1/Scale" {1x1x32 dlarray} "res1" "Network/conv2/Weights" {3x3x32x32 dlarray} "res1" "Network/conv2/Weights" {3x3x32x32 dlarray} "res1" "Network/conv2/Bias" {1x1x32 dlarray"res1" "Network/gn2/Offset" {1x1x32 dlarray} "res1" "Network/gn2/Scale" {1x1x32 dlarray}

的层“res1”，设置可学习参数的L2正则化因子“重量”层的“conv1”2 .使用setL2Factor函数。

因素= 2;dlnet = setL2Factor (dlnet,“res1 /网络/ conv1 /重量”、因素);

得到更新的L2正则化因子使用getL2Factor函数。

因素= getL2Factor (dlnet,“res1 /网络/ conv1 /重量”）
因素= 2

输入参数

全部折叠

输入层，指定为标量层对象。

参数名称，指定为字符向量或字符串标量。

L2正则化因子的参数，指定为一个非负标量。

该软件将该因子与全局L2正则化因子相乘，以确定指定参数的L2正则化因子。例如,如果因素为2，则指定参数的L2正则化系数为全局L2正则化系数的2倍。的方法可以指定全局L2正则化因子trainingOptions函数。

例子:2

嵌套层中的参数路径，指定为字符串标量或字符向量。嵌套层是自定义层，它本身将层图定义为可学习参数。

如果输入setL2Factor是嵌套层，那么参数路径有窗体吗“propertyName / layerName / parameterName”,地点:

  • propertyName属性的名称是否包含dlnetwork对象

  • layerName图层的名称是否在dlnetwork对象

  • parameterName参数的名称

如果有多层嵌套层，则使用表单指定每一层“propertyName1 / layerName1 /…/ propertyNameN / layerNameN / parameterName”,在那里propertyName1和layerName1对应的层在输入setL2Factor函数，后面的部分对应更深的层次。

例子:为层输入setL2Factor,路径“网络/ conv1 /重量”指定了“重量”带有名称的图层的参数“conv1”在dlnetwork对象由层。网络．

如果输入setL2Factor是一个dlnetwork对象和所需参数在嵌套层中，则参数路径具有形式“layerName1 / propertyName / layerName / parameterName”,地点:

  • layerName1图层的名称是否在输入中dlnetwork对象

  • propertyName层的属性是否包含adlnetwork对象

  • layerName图层的名称是否在dlnetwork对象

  • parameterName参数的名称

如果有多层嵌套层，则使用表单指定每一层“layerName1 / propertyName1 /…/ layerNameN / propertyNameN / layerName / parameterName”,在那里layerName1和propertyName1对应的层在输入setL2Factor函数，后面的部分对应更深的层次。

例子:为dlnetwork输入setL2Factor,路径“res1 /网络/ conv1 /重量”指定了“重量”带有名称的图层的参数“conv1”在dlnetwork对象由层。网络,在那里层图层有名字吗“res1”在输入网络中dlnet．

数据类型:字符|字符串

网络自定义训练循环，指定为dlnetwork对象。

层名，指定为字符串标量或字符向量。

数据类型:字符|字符串

输出参数

全部折叠

更新的层，返回为层．

更新的网络，返回为dlnetwork．

另请参阅

||||

主题

介绍了R2017b

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