Глубокое обучение транспонировало свертку
Транспонированная операция свертки сверхдискретизировала карты функции.
Примечание
Эта функция применяется, глубокое обучение транспонировало операцию свертки к dlarray данные. Если вы хотите применить транспонированную свертку в layerGraph объект или Layer массив, используйте один из следующих слоев:
вычисляет транспонированную свертку глубокого обучения входа dlY = dltranspconv(dlX,weights,bias)dlX использование фильтров задано weights, и добавляет постоянный bias. Вход dlX отформатированный dlarray с метками размерности. Транспонированная свертка действует на размерности, которые вы задаете как 'S' и 'C' размерности. Выход dlY отформатированный dlarray с той же размерностью помечает как dlX.
задает опции с помощью одного или нескольких аргументов пары "имя-значение" в дополнение к входным параметрам в предыдущих синтаксисах. Например, dlY = dltranspconv(___Name,Value)'Stride',3 устанавливает шаг операции свертки.
Примените операцию свертки к изображению и затем используйте транспонированную свертку, чтобы изменить размер изображения, к которому применяют операцию свертки, к тому же размеру как оригинальное изображение.
Импортируйте данные изображения и преобразуйте их в dlarray.
X = imread('sherlock.jpg'); dlX = dlarray(single(X),'SSC');
Отобразите изображение.
imshow(X)

Инициализируйте сверточные фильтры и сместите термин. Задайте разгруппированную свертку, которая применяет один фильтр ко всем трем каналам входных данных.
filterHeight = 10; filterWidth = 10; numChannelsPerGroup = 3; numFiltersPerGroup = 1; numGroups = 1; weights = rand(filterHeight,filterWidth,numChannelsPerGroup,numFiltersPerGroup,numGroups); bias = rand(numFiltersPerGroup*numGroups,1);
Выполните свертку. Используйте 'Stride' значение 2 и 'DilationFactor' значение 2.
dlY = dlconv(dlX,weights,bias,'Stride',2,'DilationFactor',3);
Отобразите изображение, к которому применяют операцию свертки.
Y = extractdata(dlY); imshow(rescale(Y))

Инициализируйте транспонированные сверточные фильтры и смещение. Задайте разгруппированную транспонированную свертку, которая применяет три фильтра к входу. Используйте ту же высоту фильтра и отфильтруйте ширину что касается операции свертки.
numChannelsPerGroupTC = 1; numFiltersPerGroupTC = 3; weightsTC = rand(filterHeight,filterWidth,numFiltersPerGroupTC,numChannelsPerGroupTC,numGroups); biasTC = rand(numFiltersPerGroupTC*numGroups,1);
Выполните транспонированную свертку. Используйте тот же шаг и коэффициент расширения что касается операции свертки.
dlZ = dltranspconv(dlY,weightsTC,biasTC,'Stride',2,'DilationFactor',3);
Отобразите изображение после транспонированной свертки.
Z = extractdata(dlZ); imshow(rescale(Z))

Сравните размер оригинального изображения, изображения, к которому применяют операцию свертки и изображения после транспонированной свертки.
sizeX = size(X)
sizeX = 1×3
640 960 3
sizeY = size(Y)
sizeY = 1×2
307 467
sizeZ = size(Z)
sizeZ = 1×3
640 960 3
Транспонированная свертка сверхдискретизировала данные, к которым применяют операцию свертки, к размеру исходных входных данных.
Примените транспонированную свертку к входным данным в трех группах из двух каналов каждый. Примените четыре фильтра на группу.
Создайте входные данные как десять наблюдений за размером 100 100 с шестью каналами.
height = 100;
width = 100;
channels = 6;
numObservations = 10;
X = rand(height,width,channels,numObservations);
dlX = dlarray(X,'SSCB');Инициализируйте фильтры для транспонированной операции свертки. Задайте три группы транспонированных сверток, что каждый применяет четыре фильтра к двум каналам входных данных.
filterHeight = 8; filterWidth = 8; numChannelsPerGroup = 2; numFiltersPerGroup = 4; numGroups = 3; weights = rand(filterHeight,filterWidth,numFiltersPerGroup,numChannelsPerGroup,numGroups);
Инициализируйте срок смещения.
bias = rand(numFiltersPerGroup*numGroups,1);
Выполните транспонированную свертку.
dlY = dltranspconv(dlX,weights,bias); size(dlY)
ans = 1×4
107 107 12 10
dims(dlY)
ans = 'SSCB'
12 каналов свертки выход представляют три группы транспонированных сверток с четырьмя фильтрами на группу.
dlX — Входные данныеdlarray | числовой массивВходные данные в виде dlarray с или без меток размерности или числового массива. Когда dlX не отформатированный dlarray, необходимо задать формат этикетки размерности с помощью 'DataFormat',FMT. Если dlX числовой массив, по крайней мере один из weights или bias должен быть dlarray.
Свертка действует на размерности, которые вы задаете как пространственные размерности с помощью 'S' метка размерности. Можно задать до трех измерений в dlX как 'S' размерности.
Типы данных: single | double
weights — Фильтрыdlarray | числовой массивФильтры в виде dlarray с или без меток или числового массива. weights аргумент задает размер и значения фильтров, а также количество фильтров и количество групп для сгруппированных транспонированных сверток.
Задайте веса как filterSize- numFiltersPerGroup- numChannelsPerGroup- numGroups массив.
filterSize — Размер сверточных фильтров. filterSize может иметь до трех измерений, в зависимости от количества пространственных размерностей во входных данных.
Входные данные 'S' Размерности | filterSize |
|---|---|
| 1D | h, где h соответствует высоте фильтра |
| 2D | h-by-w, где h и w соответствуют высоте и ширине фильтра, соответственно |
| 3-D | h-by-w-by-d, где h, w и d соответствуют высоте, ширине и глубине фильтра, соответственно |
numFiltersPerGroup — Количество фильтров, чтобы применяться в каждой группе.
numChannelsPerGroup — Количество каналов в каждой группе для сгруппированных транспонированных сверток. numChannelsPerGroup должен равняться количеству каналов во входных данных, разделенных на numGroups, количество групп. Для разгруппированных сверток, где numGroups = 1, numChannelsPerGroup должен равняться количеству каналов во входных данных.
numGroups — Количество (дополнительных) групп. Когда numGroups > 1, функция выполняет сгруппированные транспонированные свертки. Когда numGroups = 1, функция выполняет разгруппированные транспонированные свертки; в этом случае эта размерность является одиночным элементом и может быть не использована.
Если weights отформатированный dlarray, это может иметь несколько пространственных размерностей, пометил 'S', одна размерность канала пометила 'C', и до двух других размерностей пометили 'U'. Количество 'S' размерности должны совпадать с количеством 'S' размерности входных данных. Помеченные размерности соответствуют техническим требованиям фильтра можно следующим образом.
| Отфильтруйте спецификацию | Метки размерности |
|---|---|
filterSize | До трех 'S' размерности |
numFiltersPerGroup | 'C' размерность |
numChannelsPerGroup | Первый 'U' размерность |
numGroups (дополнительный) | Второй 'U' размерность |
Типы данных: single | double
bias — Постоянное смещениеdlarray вектор | dlarray скаляр | числовой вектор | числовой скалярСмещение, постоянное в виде dlarray вектор или dlarray скаляр с или без меток, числового вектора или числового скаляра.
Если bias скаляр или имеет только одноэлементные размерности, то же смещение применяется к каждой записи выхода.
Если bias имеет неодноэлементную размерность, каждый элемент bias смещение, применился к соответствующему сверточному фильтру, заданному weights. Число элементов bias должен совпадать с количеством фильтров, заданных weights.
Если bias отформатированный dlarray, неодноэлементная размерность должна быть размерностью канала, пометил 'C'.
Типы данных: single | double
Задайте дополнительные разделенные запятой пары Name,Value аргументы. Name имя аргумента и Value соответствующее значение. Name должен появиться в кавычках. Вы можете задать несколько аргументов в виде пар имен и значений в любом порядке, например: Name1, Value1, ..., NameN, ValueN.
'Stride',2 устанавливает шаг каждого фильтра к 2.'DataFormat' — Порядок размерности неформатированных данныхПорядок размерности бесформатных входных данных в виде разделенной запятой пары, состоящей из 'DataFormat' и символьный массив или строка FMT это обеспечивает метку для каждой размерности данных. Каждый символ в FMT должно быть одно из следующего:
'S' — Пространственный
'C' — Канал
'B' — Пакет (например, выборки и наблюдения)
'T' — Время (например, последовательности)
'U' — Незаданный
Можно указать, что несколько размерностей пометили 'S' или 'U'. Можно использовать, маркирует 'C'B, и 'T' самое большее однажды.
Необходимо задать 'DataFormat' когда входные данные dlX не отформатированный dlarray.
Пример: 'DataFormat','SSCB'
Типы данных: char | string
'Stride' — Размер шага для того, чтобы пересечь входные данные (значение по умолчанию) | числовой скаляр | числовой векторРазмер шага для того, чтобы пересечь входные данные в виде разделенной запятой пары, состоящей из 'Stride' и числовой скаляр или числовой вектор. Если вы задаете 'Stride' как скаляр, то же значение используется для всех пространственных размерностей. Если вы задаете 'Stride' как вектор одного размера с количеством пространственных размерностей входных данных, векторные значения используются для соответствующих пространственных размерностей.
Значение по умолчанию 'Stride' 1.
Пример: 'Stride',3
Типы данных: single | double
'DilationFactor' — Отфильтруйте коэффициент расширения (значение по умолчанию) | числовой скаляр | числовой векторОтфильтруйте коэффициент расширения в виде разделенной запятой пары, состоящей из 'DilationFactor' и одно из следующих.
Числовой скаляр — то же значение коэффициента расширения применяется для всех пространственных размерностей.
Числовой вектор — различное значение коэффициента расширения применяется по каждому пространственному измерению. Используйте вектор из размера d, где d количество пространственных размерностей входных данных. iэлемент th вектора указывает, что коэффициент расширения применился к ith пространственная размерность.
Используйте коэффициент расширения, чтобы увеличить восприимчивое поле фильтра (область входа, который фильтр видит) на входных данных. Используя коэффициент расширения соответствует эффективному размеру фильтра filterSize + (filterSize-1)*(dilationFactor-1).
Пример: 'DilationFactor',2
Типы данных: single | double
'Cropping' — Обрезка применилась к ребрам данных'same' | числовой скаляр | числовой вектор | числовая матрицаОбрезка примененного ребра данных в виде разделенной запятой пары, состоящей из 'Cropping' и одно из следующих.
'same' — Обрезка установлена так, чтобы выходной размер совпал с входным размером, когда шагом является 1. В более общем плане выходным размером каждой пространственной размерности является inputSize*stride, где inputSize размер входа по пространственному измерению.
Числовой скаляр — то же значение обрезки применяется к обоим концам всех пространственных размерностей.
Числовой вектор — различное значение обрезки применяется по каждому пространственному измерению. Используйте вектор из размера d, где d количество пространственных размерностей входных данных. iэлемент th вектора указывает, что обрезка применилась к запуску и концу вдоль ith пространственная размерность.
Числовая матрица — различное значение обрезки применяется к началу и концу каждой пространственной размерности. Используйте матрицу размера 2 d, где d количество пространственных размерностей входных данных. Элемент (1,d) указывает, что обрезка применилась к запуску пространственной размерности d. Элемент (2,d) задает обрезку, примененную в конец пространственной размерности d. Например, в 2D форматом является [top, left; bottom, right].
Пример: 'Cropping','same'
Типы данных: single | double
dlY — Покажите картуdlarrayПокажите карту, возвращенную как dlarray. Выход dlY имеет тот же базовый тип данных как вход dlX.
Если входные данные dlX отформатированный dlarray, dlY имеет те же метки размерности как dlX. Если входными данными не является отформатированный dlarray, dlY бесформатный dlarray или числовой массив с той же размерностью заказывает как входные данные.
Размер 'C' размерность канала dlY зависит от размера weights входной параметр. Размер 'C' размерность выхода Y продукт размера размерностей numFiltersPerGroup и numGroups в weights аргумент. Если weights отформатированный dlarray, этот продукт совпадает с продуктом размера 'C' размерность и второй 'U' размерность.
Указания и ограничения по применению:
Когда по крайней мере одним из следующих входных параметров является gpuArray или dlarray с базовыми данными типа gpuArray, эта функция работает на графическом процессоре.
dlX
weights
bias
Для получения дополнительной информации смотрите функции MATLAB Запуска на графическом процессоре (Parallel Computing Toolbox).
У вас есть модифицированная версия этого примера. Вы хотите открыть этот пример со своими редактированиями?
1. Если смысл перевода понятен, то лучше оставьте как есть и не придирайтесь к словам, синонимам и тому подобному. О вкусах не спорим.
2. Не дополняйте перевод комментариями “от себя”. В исправлении не должно появляться дополнительных смыслов и комментариев, отсутствующих в оригинале. Такие правки не получится интегрировать в алгоритме автоматического перевода.
3. Сохраняйте структуру оригинального текста - например, не разбивайте одно предложение на два.
4. Не имеет смысла однотипное исправление перевода какого-то термина во всех предложениях. Исправляйте только в одном месте. Когда Вашу правку одобрят, это исправление будет алгоритмически распространено и на другие части документации.
5. По иным вопросам, например если надо исправить заблокированное для перевода слово, обратитесь к редакторам через форму технической поддержки.