dlarray

Массив глубокого обучения для пользовательских учебных циклов

Описание

Массив глубокого обучения хранит данные с метками формата дополнительных данных для пользовательских учебных циклов и позволяет функциям вычислить и использовать производные посредством автоматического дифференцирования.

Совет

Для большинства задач глубокого обучения можно использовать предварительно обученную сеть и адаптировать ее к собственным данным. Для примера, показывающего, как использовать передачу обучения, чтобы переобучить сверточную нейронную сеть, чтобы классифицировать новый набор изображений, смотрите, Обучают Нейронную сеть для глубокого обучения Классифицировать Новые Изображения. В качестве альтернативы можно создать и обучить нейронные сети с нуля с помощью layerGraph объекты с trainNetwork и trainingOptions функции.

Если trainingOptions функция не обеспечивает опции обучения, в которых вы нуждаетесь для своей задачи, затем можно создать пользовательский учебный цикл с помощью автоматического дифференцирования. Чтобы узнать больше, смотрите, Задают Нейронную сеть для глубокого обучения для Пользовательских Учебных Циклов.

Создание

Синтаксис

dlX = dlarray(X)

dlX = dlarray(X,fmt)

dlX = dlarray(v,dim)

Описание

пример

dlX = dlarray(X) возвращает dlarray объект, представляющий X. Если X dlarray, dlX копия X.

пример

dlX = dlarray(X,fmt) помечает данные в dlX согласно формату данных в fmt. Метки помогают мимоходом данным о глубоком обучении между функциями. Смотрите Использование. Если X помеченный dlarray, затем fmt заменяет существующие метки.

пример

dlX = dlarray(v,dim) принимает векторный v и односимвольный формат dim, и возвращает вектор-столбец dlarray. Первая размерность dlX имеет метку dim, и второе (одиночный элемент) размерность имеет метку 'U'.

Входные параметры

развернуть все

`X` — Массив данных
числовой массив типа данных удваивается или один | логический массив | `gpuArray` возразите | `dlarray` объект

Массив данных в виде числового массива типа данных удваивается или один, логический массив, gpuArray объект или dlarray объект. X должно быть полным, не разреженным, и должен быть действительным, не комплексным.

Пример: rand(31*23,23)

`fmt` — Формат данных
вектор символов | строковый скаляр

Формат данных в виде вектора символов или строкового скаляра. Каждый символ в fmt должна быть одна из этих меток:

S — Пространственный
C — Канал
B — Пакетные наблюдения
T — Время или последовательность
U — Незаданный

Можно задать любое количество S и U метки. Можно задать самое большее один из каждого CB, и T метки.

Каждый элемент fmt помечает соответствующую размерность dlX. Если fmt не находится в перечисленном порядке ('S' сопровождаемый 'C' и так далее), затем dlarray неявно переставляет оба fmt и данные, чтобы совпадать с порядком, но не изменяя устройство хранения данных данных.

fmt должен иметь, по крайней мере, то же количество меток как количество размерностей dlX. Если вы задаете больше, чем то количество меток, dlarray создает пустой (одиночный элемент) размерности для дополнительных меток.

Следующая таблица указывает на рекомендуемые форматы данных для общих типов данных.

Данные	Пример
Данные	Форма	Формат данных
2D изображения	h-by-w-by-c-by-n числовой массив, где h, w, c и n являются высотой, шириной, количеством каналов изображений и количеством наблюдений, соответственно.	`"SSCB"`
3-D изображения	h-by-w-by-d-by-c числовой массив, где h, w, d, c и n являются высотой, шириной, глубиной, количеством каналов изображений и количеством наблюдений изображений, соответственно.	`"SSSCB"`
Векторные последовательности	c-by-s-by-n матрица, где c является количеством функций последовательности, s, является длиной последовательности, и n является количеством наблюдений последовательности.	`"CBT"`
2D последовательности изображений	h-by-w-by-c-by-s-by-n массив, где h, w, c и n соответствуют высоте, ширине и количеству каналов изображения, соответственно, s, является длиной последовательности, и n является количеством наблюдений последовательности изображений.	`"SSCTB"`
3-D последовательности изображений	h-by-w-by-d-by-c-by-s-by-n массив, где h, w, d и c соответствуют высоте, ширине, глубине и количеству каналов изображения, соответственно, s, является длиной последовательности, и n является количеством наблюдений последовательности изображений.	`"SSSCTB"`
Функции	c-by-n массив, где c является количеством функций и n, является количеством наблюдений.	`"CB"`

Для получения информации о fmt, смотрите Использование.

Пример: "SSB"

Пример: 'CBUSS', который dlarray переупорядочивание к 'SSCBU'

`v` — Вектор данных
числовой вектор из типа данных удваивается или один | логический вектор | `dlarray` векторный объект

Вектор данных в виде числового вектора из типа данных удваивается или один, логический вектор, gpuArray векторный объект или dlarray векторный объект. Здесь, "вектор" означает любой массив точно с одной неодноэлементной размерностью.

Пример: rand(100,1)

`dim` — Метка Dimension
отдельный символ

Метка Dimension в виде отдельного символа типа допускала fmt.

Примеры

Выходные аргументы

развернуть все

`dlX` — Массив глубокого обучения
`dlarray` объект

Массив глубокого обучения, возвращенный как dlarray объект. dlX включает автоматическое использование дифференцирования dlgradient и dlfeval. Если вы предоставляете fmt аргумент, dlX имеет метки.

Если X числовой или логический массив, dlX содержит его данные, возможно переупорядоченные из-за меток в fmt.
Если X gpuArray, данные в dlX находится также на графическом процессоре. Последующие вычисления с помощью dlX выполняются на графическом процессоре.

Использование

dlarray метки позволяют вам использовать функции в этой таблице, чтобы выполниться с обеспечением, что данные имеют соответствующий формат.

Функция	Операция	Подтверждает входную размерность	Влияет на размер входной размерности
`avgpool`	Вычислите среднее значение входных данных по перемещению прямоугольного (или кубовидный) пространственный (`'S'`) области заданы параметром размера пула.	`'S'`	`'S'`
`batchnorm`	Нормируйте значения, содержавшиеся в каждом канале (`'C'`) из входных данных.	`'C'`
`crossentropy`	Вычислите перекрестную энтропию между оценками и целевыми значениями, усредненными размером пакета (`'B'`) размерность.	`'S'CBTU` (Оценки и целевые массивы должны иметь те же размеры.)	`'S'CBTU` (Выход является непомеченным скаляром.)
`dlconv`	Вычислите свертку глубокого обучения входных данных с помощью массива фильтров, совпадая с количеством пространственных (`'S'`) и (функция) канал (`'C'`) размерности входа и добавление систематической ошибки.	`'S'C`	`'S'C`
`dltranspconv`	Вычислите транспонированную свертку глубокого обучения входных данных с помощью массива фильтров, совпадая с количеством пространственных (`'S'`) и (функция) канал (`'C'`) размерности входа и добавление систематической ошибки.	`'S'C`	`'S'C`
`fullyconnect`	Вычислите взвешенную сумму входных данных и примените смещение для каждого пакета (`'B'`) и время (`'T'`) размерность.	`'S'CU`	`'S'CBTU` (Выход всегда имеет, маркирует `'CB'ct` , или `'CTB'`.)
`gru`	Примените закрытое текущее модульное вычисление к входным данным.	`'S'CT`	`'C'`
`lstm`	Примените долгое краткосрочное вычисление памяти к входным данным.	`'S'CT`	`'C'`
`maxpool`	Вычислите максимум входных данных по перемещению прямоугольного пространственный (`'S'`) области заданы параметром размера пула.	`'S'`	`'S'`
`maxunpool`	Вычислите операцию необъединения по пространственному (`'S'`Размерности.	`'S'`	`'S'`
`mse`	Вычислите половину среднеквадратической ошибки между оценками и целевыми значениями, усредненными размером пакета (`'B'`) размерность.	`'S'CBTU` (Оценки и целевые массивы должны иметь те же размеры.)	`'S'CBTU` (Выход является непомеченным скаляром.)
`softmax`	Примените softmax активацию к каждому каналу (`'C'`) из входных данных.	`'C'`

Эти функции требуют, чтобы каждая размерность имела метку, задал любого как метки их первого dlarray введите, или как 'DataFormat' аргумент пары "имя-значение", содержащий метки размерности.

dlarray осуществляет порядок, маркирует 'SCBTU'. Это осуществление устраняет неоднозначную семантику в операциях, которые неявно совпадают с метками между входными параметрами. dlarray также осуществляет, это маркирует 'C'B, и 'T' может каждый появиться самое большее однажды. Функции, которые используют эти метки, принимают самое большее одну размерность для каждой метки.

dlarray обеспечивает функции для удаления меток (stripdims), получая размерности, сопоставленные с метками (finddim), и листинг меток сопоставлен с dlarray (dims).

Для получения дополнительной информации о как dlarray ведет себя с метками, смотрите Известные dlarray Поведения.

Функции объекта

`avgpool`	Объедините данные к средним значениям по пространственным размерностям
`batchnorm`	Нормируйте через все наблюдения для каждого канала независимо
`crossentropy`	Потеря перекрестной энтропии для задач классификации
`dims`	Метки размерности `dlarray`
`dlconv`	Свертка глубокого обучения
`dlgradient`	Вычислите градиенты для пользовательских учебных циклов с помощью автоматического дифференцирования
`dltranspconv`	Глубокое обучение транспонировало свертку
`extractdata`	Извлеките данные из `dlarray`
`finddim`	Найдите размерности с заданной меткой
`fullyconnect`	Суммируйте все взвешенные входные данные и примените смещение
`gru`	Закрытый текущий модуль
`leakyrelu`	Примените текучую исправленную линейную модульную активацию
`lstm`	Долгая краткосрочная память
`maxpool`	Объедините данные к максимальному значению
`maxunpool`	Не объедините выход максимальной операции объединения
`mse`	Половина среднеквадратической ошибки
`relu`	Примените исправленную линейную модульную активацию
`sigmoid`	Примените сигмоидальную активацию
`softmax`	Примените softmax активацию, чтобы образовать канал размерность
`stripdims`	Удалите `dlarray` метки

dlarray также позволяет функции для числового, матрицы и других операций. Смотрите полный список в Списке Функций с Поддержкой dlarray.

Примеры

свернуть все

Создайте непомеченный `dlarray`

Скрипт Open Live Script

Создайте непомеченный dlarray из матрицы.

rng default % For reproducibility
X = randn(3,5);
dlX = dlarray(X)

dlX = 
  3x5 dlarray

    0.5377    0.8622   -0.4336    2.7694    0.7254
    1.8339    0.3188    0.3426   -1.3499   -0.0631
   -2.2588   -1.3077    3.5784    3.0349    0.7147

Создайте пометил `dlarray`

Скрипт Open Live Script

Создайте dlarray это имеет формат данных с, маркирует 'S' и 'C'.

rng default % For reproducibility
X = randn(3,5);
dlX = dlarray(X,'SC')

dlX = 
  3(S) x 5(C) dlarray

    0.5377    0.8622   -0.4336    2.7694    0.7254
    1.8339    0.3188    0.3426   -1.3499   -0.0631
   -2.2588   -1.3077    3.5784    3.0349    0.7147

Если вы задаете метки в противоположном порядке, dlarray неявно переупорядочивает базовые данные.

dlX = dlarray(X,'CS')

dlX = 
  5(S) x 3(C) dlarray

    0.5377    1.8339   -2.2588
    0.8622    0.3188   -1.3077
   -0.4336    0.3426    3.5784
    2.7694   -1.3499    3.0349
    0.7254   -0.0631    0.7147

Создайте пометил `dlarray` Вектор

Скрипт Open Live Script

Создайте dlarray вектор с первой меткой 'T'. Вторая метка, который dlarray автоматически создает, 'U'.

rng default % For reproducibility
X = randn(6,1);
dlX = dlarray(X,'T')

dlX = 
  6(T) x 1(U) dlarray

    0.5377
    1.8339
   -2.2588
    0.8622
    0.3188
   -1.3077

Если вы задаете вектор-строку для X, dlarray неявно переупорядочивает результат быть вектор-столбцом.

X = X';
dlX = dlarray(X,'T')

dlX = 
  6(T) x 1(U) dlarray

    0.5377
    1.8339
   -2.2588
    0.8622
    0.3188
   -1.3077

Советы

A dlgradient вызов должен быть в функции. Чтобы получить числовое значение градиента, необходимо оценить функциональное использование dlfeval, и аргументом к функции должен быть dlarray. Смотрите использование автоматическое дифференцирование в Deep Learning Toolbox.
Включить правильную оценку градиентов, dlfeval должен вызвать функции, которые используют только поддерживаемые функции для dlarray. См. Список Функций с Поддержкой dlarray.

Расширенные возможности

Генерация кода C/C++
Генерация кода C и C++ с помощью MATLAB® Coder™.

Указания и ограничения по применению:

Для рекомендаций использования и списка функций с dlarray поддержка генерации кода, смотрите Генерацию кода для dlarray (MATLAB Coder). Для примера, показывающего, как использовать dlnetwork и dlarray объекты сгенерировать MEX для обученной вариационной сети (VAE) автоэнкодера, смотрите, Генерируют Изображения Цифры Используя Вариационный Автоэнкодер на центральных процессорах Intel (MATLAB Coder).

Для dlarray ограничения генерации кода, см. dlarray Ограничения для Генерации кода (MATLAB Coder).

Генерация кода графического процессора
Сгенерируйте код CUDA® для NVIDIA® графические процессоры с помощью GPU Coder™.

Указания и ограничения по применению:

Для рекомендаций использования и списка функций с dlarray поддержка генерации кода, смотрите Генерацию кода для dlarray (GPU Coder). Для примера, показывающего, как использовать dlnetwork и dlarray объекты сгенерировать CUDA^® MEX для обученной вариационной сети (VAE) автоэнкодера, смотрите, Генерируют Изображения Цифры на NVIDIA графический процессор Используя Вариационный Автоэнкодер (GPU Coder).

Для dlarray ограничения генерации кода, см. dlarray Ограничения для Генерации кода (GPU Coder).

Темы

Введенный в R2019b

Документация

dlarray

Описание

Создание

Синтаксис

Описание

Входные параметры

`X` — Массив данных
числовой массив типа данных удваивается или один | логический массив | `gpuArray` возразите | `dlarray` объект

`fmt` — Формат данных
вектор символов | строковый скаляр

`v` — Вектор данных
числовой вектор из типа данных удваивается или один | логический вектор | `dlarray` векторный объект

`dim` — Метка Dimension
отдельный символ

Выходные аргументы

`dlX` — Массив глубокого обучения
`dlarray` объект

Использование

Функции объекта

Примеры

Создайте непомеченный `dlarray`

Создайте пометил `dlarray`

Создайте пометил `dlarray` Вектор

Советы

Расширенные возможности

Генерация кода C/C++
Генерация кода C и C++ с помощью MATLAB® Coder™.

Генерация кода графического процессора
Сгенерируйте код CUDA® для NVIDIA® графические процессоры с помощью GPU Coder™.

Смотрите также

Темы

Документация Deep Learning Toolbox

Поддержка

Документация

dlarray

Описание

Создание

Синтаксис

Описание

Входные параметры

X — Массив данных числовой массив типа данных удваивается или один | логический массив | gpuArray возразите | dlarray объект

fmt — Формат данных вектор символов | строковый скаляр

v — Вектор данных числовой вектор из типа данных удваивается или один | логический вектор | dlarray векторный объект

dim — Метка Dimension отдельный символ

Выходные аргументы

dlX — Массив глубокого обучения dlarray объект

Использование

Функции объекта

Примеры

Создайте непомеченный dlarray

Создайте пометил dlarray

Создайте пометил dlarray Вектор

Советы

Расширенные возможности

Генерация кода C/C++ Генерация кода C и C++ с помощью MATLAB® Coder™.

Генерация кода графического процессора Сгенерируйте код CUDA® для NVIDIA® графические процессоры с помощью GPU Coder™.

Смотрите также

Темы

Документация Deep Learning Toolbox

Поддержка

`X` — Массив данных
числовой массив типа данных удваивается или один | логический массив | `gpuArray` возразите | `dlarray` объект

`fmt` — Формат данных
вектор символов | строковый скаляр

`v` — Вектор данных
числовой вектор из типа данных удваивается или один | логический вектор | `dlarray` векторный объект

`dim` — Метка Dimension
отдельный символ

`dlX` — Массив глубокого обучения
`dlarray` объект

Создайте непомеченный `dlarray`

Создайте пометил `dlarray`

Создайте пометил `dlarray` Вектор

Генерация кода C/C++
Генерация кода C и C++ с помощью MATLAB® Coder™.

Генерация кода графического процессора
Сгенерируйте код CUDA® для NVIDIA® графические процессоры с помощью GPU Coder™.