Высота, ширина и глубина фильтров, заданная в виде вектора [h w d] из трех положительных целых чисел, где h - высота, w - ширина, и d - глубина. FilterSize определяет размер локальных областей, с которыми нейроны соединяются во входе.

При создании слоя можно задать FilterSize в качестве скаляра для использования того же значения высоты, ширины и глубины.

Пример: [5 5 5] задает фильтры с высотой, шириной и глубиной 5.

Количество фильтров, заданное в виде положительного целого числа. Это количество соответствует количеству нейронов в сверточном слое, которые соединяются с одной и той же областью на входе. Этот параметр определяет количество каналов (функции) в выходе сверточного слоя.

Пример: 96

Размер шага для прохождения входа в трёх размерностях, заданный как вектор [a b c] из трех положительных целых чисел, где a - вертикальный размер шага, b - горизонтальный размер шага, и c - размер шага по глубине. При создании слоя можно задать Stride в качестве скаляра для использования того же значения для размеров шагов во всех трех направлениях.

Пример: [2 3 1] задает размер шага по вертикали 2, размер шага по горизонтали 3 и размер шага по глубине 1.

Метод для определения размера кадрирования, заданный как 'manual' или 'same'.

Программа автоматически устанавливает значение CroppingMode на основе 'Cropping' значение, заданное при создании слоя.

Чтобы задать размер кадрирования, используйте 'Cropping' опция transposedConv3dLayer.

Сокращение размера выхода, заданное как матрица неотрицательных целых чисел [t l f; b r bk], t, l, f, b, r, bk - количество урожая из верхней части, левой, передней, нижней, правой и задней частей входа, соответственно.

Чтобы задать размер кадрирования вручную, используйте 'Cropping' опция transposedConv2dLayer.

Пример: [0 1 0 1 0 1]

Количество каналов для каждого фильтра, заданное 'auto' или целое число.

Этот параметр должен быть равен количеству каналов входа в этот сверточный слой. Для примера, если вход является цветным изображением, то количество каналов для ввода должно быть 3. Если количество фильтров для сверточного слоя перед текущим слоем составляет 16, то количество каналов для этого слоя должно быть 16.

Функция для инициализации весов, заданная как одно из следующего:

Слой инициализирует веса только тогда, когда Weights свойство пустое.

Типы данных: char | string | function_handle

Функция для инициализации смещения, заданная как одно из следующего:

Слой инициализирует смещение только тогда, когда Bias свойство пустое.

Типы данных: char | string | function_handle

Веса слоев для транспонированного сверточного слоя, заданные как числовой массив.

Веса слоев являются настраиваемыми параметрами. Можно задать начальное значение для весов непосредственно с помощью Weights свойство слоя. При обучении сети, если Weights свойство слоя непусто, тогда trainNetwork использует Weights свойство как начальное значение. Если на Weights свойство пустое, тогда trainNetwork использует инициализатор, заданный как WeightsInitializer свойство слоя.

Во время обучения Weights является FilterSize(1)-by- FilterSize(2)-by- FilterSize(3)-by- NumFilters-by- NumChannels массив.

Типы данных: single | double

Смещения слоев для транспонированного сверточного слоя, заданные как числовой массив.

Смещения слоя являются настраиваемыми параметрами. При обучении сети, если Bias непусто, тогда trainNetwork использует Bias свойство как начальное значение. Если Bias пуст, тогда trainNetwork использует инициализатор, заданный как BiasInitializer.

Во время обучения Bias 1 на 1 на 1 NumFilters массив.

Типы данных: single | double

Коэффициент скорости обучения для весов, заданный как неотрицательный скаляр.

Программа умножает этот коэффициент на глобальный темп обучения, чтобы определить скорость обучения для весов на этом слое. Для примера, если WeightLearnRateFactor равен 2, тогда скорость обучения для весов на этом слое в два раза превышает текущую глобальную скорость обучения. Программа определяет глобальную скорость обучения на основе настроек, заданных в trainingOptions функция.

Пример: 2

Коэффициент скорости обучения для смещений, заданный как неотрицательный скаляр.

Программа умножает этот коэффициент на глобальную скорость обучения, чтобы определить скорость обучения для смещений на этом слое. Для примера, если BiasLearnRateFactor равен 2, тогда скорость обучения для смещений в слое в два раза превышает текущую глобальную скорость обучения. Программа определяет глобальную скорость обучения на основе настроек, заданных в trainingOptions функция.

Пример: 2

L2 регуляризации для весов, заданный как неотрицательный скаляр.

Программа умножает этот коэффициент на глобальный коэффициент регуляризации L2, чтобы определить L2 регуляризацию для весов на этом слое. Для примера, если WeightL2Factor равен 2, тогда L2 регуляризация для весов в этом слое в два раза превышает глобальный коэффициент регуляризации L2. Можно задать глобальный коэффициент регуляризации L2 с помощью trainingOptions функция.

Пример: 2

L2 регуляризации для смещений, заданный как неотрицательный скаляр.

Программа умножает этот коэффициент на глобальный коэффициент регуляризации L2, чтобы определить L2 регуляризацию для смещений на этом слое. Для примера, если BiasL2Factor равен 2, тогда L2 регуляризация для смещений в этом слое в два раза превышает глобальный коэффициент регуляризации L2. Можно задать глобальный коэффициент регуляризации L2 с помощью trainingOptions функция.

Пример: 2

Имя слоя, заданное как вектор символов или строковый скаляр. Чтобы включить слой в график слоев, необходимо задать непустое уникальное имя слоя. Если вы обучаете последовательную сеть с слоем и Name установлено в ''затем программа автоматически присваивает слою имя во время обучения.

Типы данных: char | string

Количество входов слоя. Этот слой принимает только один вход.

Типы данных: double

Входные имена слоя. Этот слой принимает только один вход.

Типы данных: cell

Количество выходов слоя. Этот слой имеет только один выход.

Типы данных: double

Выходные имена слоя. Этот слой имеет только один выход.

Типы данных: cell