La traducción de esta página aún no se ha actualizado a la versión más reciente. Haga clic aquí para ver la última versión en inglés.

swishLayer

Capa swish

Descripción

Una capa de activación swish aplica la función swish en las entradas de la capa.

La operación swish viene dada por $$f(x)=\frac{x}{1+e^{-x}}$$.

Creación

Sintaxis

layer = swishLayer

layer = swishLayer('Name',Name)

Descripción

layer = swishLayer crea una capa swish.

layer = swishLayer('Name',Name) crea una capa swish y establece la propiedad opcional Name usando un argumento nombre-valor. Por ejemplo, swishLayer('Name','swish1') crea una capa swish con el nombre 'swish1'.

Propiedades

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 sin nombre.

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

Tipos de datos: char | string

NumInputs — Número de entradas

Solo lectura: 1 (predeterminado)

Esta propiedad o parámetro es de solo lectura.

Número de entradas a la capa, almacenado como 1. Esta capa solo admite una entrada.

Tipos de datos: double

InputNames — Nombres de las entradas

Solo lectura: {'in'} (predeterminado)

Esta propiedad o parámetro es de solo lectura.

Nombres de entrada, almacenados como {'in'}. Esta capa solo admite una entrada.

Tipos de datos: cell

NumOutputs — Número de salidas

Solo lectura: 1 (predeterminado)

Esta propiedad o parámetro es de solo lectura.

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

Tipos de datos: double

OutputNames — Nombres de salida

Solo lectura: {'out'} (predeterminado)

Esta propiedad o parámetro es de solo lectura.

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

Tipos de datos: cell

Ejemplos

Crear una capa swish

Cree una capa swish con el nombre 'swish1'.

layer = swishLayer('Name','swish1')

layer = 
  SwishLayer with properties:

    Name: 'swish1'

   Learnable Parameters
    No properties.

   State Parameters
    No properties.

  Show all properties

Incluya una capa swish en un arreglo Layer.

layers = [ ...
    imageInputLayer([28 28 1])
    convolution2dLayer(5,20)
    batchNormalizationLayer
    swishLayer
    maxPooling2dLayer(2,'Stride',2)
    fullyConnectedLayer(10)
    softmaxLayer]

layers = 
  7×1 Layer array with layers:

     1   ''   Image Input           28×28×1 images with 'zerocenter' normalization
     2   ''   2-D Convolution       20 5×5 convolutions with stride [1  1] and padding [0  0  0  0]
     3   ''   Batch Normalization   Batch normalization
     4   ''   Swish                 Swish
     5   ''   2-D Max Pooling       2×2 max pooling with stride [2  2] and padding [0  0  0  0]
     6   ''   Fully Connected       10 fully connected layer
     7   ''   Softmax               softmax

Algoritmos

Capa swish

Una capa de activación swish aplica la función swish en las entradas de la capa. La operación swish viene dada por $$f(x)=\frac{x}{1+e^{-x}}$$. La capa swish no cambia el tamaño de la entrada.

Las capas de activación, como las capas swish, mejoran la precisión de entrenamiento para algunas aplicaciones y normalmente van detrás de las capas de convolución y normalización. Otras capas de activación no lineales realizan diferentes operaciones. Para ver una lista de capas de activación, consulte Capas de activación.

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. El formato consta de uno o más de estos caracteres:

• "S": espacial

• "C": canal

• "B": lote

• "T": tiempo

• "U": sin especificar

Por ejemplo, puede describir 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, como datos con formato "SSCB" (espacial, espacial, canal, lote).

Los objetos SwishLayer aplican una operación por elemento y admiten datos de entrada con cualquier formato. La capa no añade ni elimina ninguna dimensión, por lo que genera datos con el mismo formato que sus datos de entrada.

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 R2021a

Consulte también

trainnet | trainingOptions | dlnetwork | reluLayer | batchNormalizationLayer | leakyReluLayer | clippedReluLayer

Temas

• Crear una red neuronal de deep learning sencilla para clasificación
• Entrenar una red neuronal convolucional para regresión
• Deep learning en MATLAB
• Compare Activation Layers
• Lista de capas de deep learning