depthConcatenationLayer

Capa de concatenación de profundidad

Descripción

Una capa de concatenación de profundidad toma entradas que tienen la misma altura y la misma anchura, y las concatena en la dimensión del canal.

Especifique el número de entradas a la capa cuando la cree. Las entradas tienen los nombres 'in1','in2',...,'inN', donde N es el número de entradas. Use los nombres de entradas cuando conecte o desconecte la capa usando connectLayers o disconnectLayers.

Creación

Sintaxis

layer = depthConcatenationLayer(numInputs)

layer = depthConcatenationLayer(numInputs,'Name',name)

Descripción

layer = depthConcatenationLayer(numInputs) crea una capa de concatenación de profundidad que concatena las entradas numInputs en la tercera dimensión de canal. Esta función también establece la propiedad NumInputs.

layer = depthConcatenationLayer(numInputs,'Name',name) también establece la propiedad Name.

Propiedades

NumInputs — Número de entradas

entero positivo

Número de entradas a la capa, especificado como un entero positivo mayor que o igual a 2.

Las entradas tienen los nombres 'in1','in2',...,'inN', donde N es NumInputs. Por ejemplo, si NumInputs es 3, las entradas tienen los nombres 'in1','in2' y 'in3'. Use los nombres de entradas cuando conecte o desconecte la capa usando las funciones connectLayers o disconnectLayers.

Name — Nombre de la capa

"" (predeterminado) | vector de caracteres | escalar de cadena

Nombre de la capa, especificado como un vector de caracteres o un escalar de cadena. Para entradas en forma de arreglo Layer, las funciones trainnet y dlnetwork asignan automáticamente nombres a las capas con el nombre "".

El objeto DepthConcatenationLayer almacena esta propiedad como un vector de caracteres.

Tipos de datos: char | string

InputNames — Nombres de las entradas

{'in1','in2',…,'inN'} (predeterminado)

Los nombres de las entradas, especificados como {'in1','in2',...,'inN'}, donde N es el número de entradas de la capa.

Tipos de datos: cell

NumOutputs — Número de salidas

1 (predeterminado)

Esta propiedad o parámetro es de solo lectura.

Número de salidas de la capa, devuelto como 1. Esta capa solo tiene una salida.

Tipos de datos: double

OutputNames — Nombres de salida

{'out'} (predeterminado)

Esta propiedad o parámetro es de solo lectura.

Nombres de salida, devueltos como {'out'}. Esta capa solo tiene una salida.

Tipos de datos: cell

Ejemplos

Crear y conectar una capa de concatenación de profundidad

Cree una capa de concatenación de profundidad con dos entradas y el nombre 'concat_1'.

concat = depthConcatenationLayer(2,'Name','concat_1')

concat = 
  DepthConcatenationLayer with properties:

          Name: 'concat_1'
     NumInputs: 2
    InputNames: {'in1'  'in2'}

Cree dos capas ReLU y conéctelas con la capa de concatenación de profundidad. La capa de concatenación de profundidad concatena las salidas de las capas ReLU.

relu_1 = reluLayer('Name','relu_1');
relu_2 = reluLayer('Name','relu_2');

net = dlnetwork;
net = addLayers(net,relu_1);
net = addLayers(net,relu_2);
net = addLayers(net,concat);

net = connectLayers(net,'relu_1','concat_1/in1');
net = connectLayers(net,'relu_2','concat_1/in2');

plot(net)

Algoritmos

Formatos de entrada y salida de capa

Las capas en un arreglo de capas o en una gráfica de capas pasan datos a las capas posteriores como objetos dlarray con formato. El formato de un objeto dlarray es una cadena de caracteres, en la que cada carácter describe la dimensión correspondiente de los datos. Los formatos constan de uno o más de estos caracteres:

• "S": espacial

• "C": canal

• "B": lote

• "T": tiempo

• "U": sin especificar

Por ejemplo, los datos de imagen 2D que están representados como arreglo 4D, donde las dos primeras dimensiones corresponden a las dimensiones espaciales de las imágenes, la tercera dimensión corresponde a los canales de las imágenes y la cuarta dimensión corresponde a la dimensión de lote, pueden describirse como datos con formato "SSCB" (espacial, espacial, canal, lote).

Puede interactuar con estos objetos dlarray en flujos de trabajo de diferenciación automática, como aquellos para desarrollar una capa personalizada, usar un objeto functionLayer o usar las funciones forward y predict con objetos dlnetwork.

En esta tabla se muestran los formatos de entrada admitidos de objetos DepthConcatenationLayer y el formato de salida correspondiente. Si el software pasa la salida de la capa a una capa personalizada que no hereda de la clase nnet.layer.Formattable o a un objeto FunctionLayer con la propiedad Formattable establecida en 0 (false), la capa recibe un objeto dlarray sin formato con dimensiones ordenadas según los formatos de esta tabla. Los formatos incluidos en esta lista son únicamente un subconjunto. La capa puede ser compatible con formatos adicionales, como aquellos con dimensiones adicionales "S" (espacial) o "U" (sin especificar).

El formato de salida coincide con el formato de entrada.

Formato de entrada	Formato de salida
"SSCB" (espacial, espacial, canal, lote)	"SSCB" (espacial, espacial, canal, lote)
"SSSCB" (espacial, espacial, espacial, canal, lote)	"SSSCB" (espacial, espacial, espacial, canal, lote)
"SSCBT" (espacial, espacial, canal, lote, tiempo)	"SSCBT" (espacial, espacial, canal, lote, tiempo)
"SSSCBT" (espacial, espacial, espacial, canal, lote, tiempo)	"SSSCBT" (espacial, espacial, espacial, canal, lote, tiempo)
"SSC" (espacial, espacial, canal)	"SSC" (espacial, espacial, canal)
"SSSC" (espacial, espacial, espacial, canal)	"SSSC" (espacial, espacial, espacial, canal)

En objetos dlnetwork, los objetos DepthConcatenationLayer también admiten estas combinaciones de formato de entrada y salida.

Formato de entrada	Formato de salida
"SSCT" (espacial, espacial, canal, tiempo)	"SSCT" (espacial, espacial, canal, tiempo)
"SSSCT" (espacial, espacial, espacial, canal, tiempo)	"SSSCT" (espacial, espacial, espacial, canal, tiempo)

Capacidades ampliadas

Generación de código C/C++
Genere código C y C++ mediante MATLAB® Coder™.

Generación de código de GPU
Genere código CUDA® para GPU NVIDIA® mediante GPU Coder™.

Historial de versiones

Introducido en R2017b

Consulte también

trainnet | trainingOptions | dlnetwork | additionLayer | connectLayers | disconnectLayers

Temas

• Crear una red neuronal de deep learning sencilla para clasificación
• Deep learning en MATLAB
• Redes neuronales profundas preentrenadas
• Entrenar una red residual para clasificar imágenes
• Lista de capas de deep learning