dlnetwork - 深層学習ニューラル ネットワーク - MATLAB - MathWorks 日本 (2024)

net = dlnetwork は、層がない dlnetwork オブジェクトを作成します。ニューラル ネットワークをゼロから作成するには、この構文を使用します。 (R2024a 以降)

例

例

net = dlnetwork(layers,Initialize=tf) は、ニューラル ネットワークの学習可能なパラメーターと状態パラメーターを初期化するかどうかを指定します。tf が 1 (true) の場合、この構文は net = dlnetwork(layers) と等価です。tf が 0 (false) の場合、この構文は、空のネットワークを作成してから関数 addLayers を使用して layers を追加することと等価です。

net = dlnetwork(prunableNet) は、枝刈り用に選択されたフィルターを prunableNet の畳み込み層から削除して TaylorPrunableNetwork を dlnetwork オブジェクトに変換し、圧縮された (学習可能なパラメーターを減らしてサイズを小さくした) dlnetwork オブジェクトを返します。

net = dlnetwork(mdl) は、Statistics and Machine Learning Toolbox™ の機械学習モデルを dlnetwork オブジェクトに変換します。

• コード生成では、InputNames プロパティと OutputNames プロパティのみがサポートされます。

• dlnetwork オブジェクトの Initialized プロパティは 1 (true) でなければなりません。

• コード生成は、State プロパティの変数 Value の調整をサポートします。コード生成は、State プロパティの変数 Layer および Parameter の変更をサポートしません。

• コード生成は、State プロパティに関する次の関数をサポートします。

  • height

  • isscalar

  • isempty

  • istable

  • istabular

  • ndims

  • numel

  • size

  • width

• Simulink によるシミュレーションに関し、コード生成は、MATLAB Function ブロックにおける dlnetwork の State の抽出と更新をサポートしません。代わりに、Stateful Predict ブロックまたは Stateful Classify ブロックを使用してください。

• コード生成は、異種混合の入力層をもつ多入力多出力の dlnetwork オブジェクトをサポートします。

  • 再帰型ニューラル ネットワークの場合、複数の入力はサポートされていません。

  • Intel^® MKL-DNN の場合、入力層はすべてシーケンス入力層でなければなりません。

  • ARM^® Compute の場合、dlnetwork は、シーケンス入力層および非シーケンス入力層をもつことができます。

• コード生成は、データ形式に関して次の制限がある dlarray 入力をサポートします。

  • サードパーティのライブラリに依存しない汎用 C/C++ の場合、dlnetwork は、任意の数の空間次元がある入力層をもつことができます。

  • ARM Compute および Intel MKL-DNN の場合、コード生成は、0 個または 2 個の空間次元が含まれる dlarray オブジェクトをサポートします。たとえば、コード生成は次をサポートします。

    • データ形式が "CT" または "CBT" であるベクトル シーケンス

    • データ形式が "SSCT" または "SSCBT" であるイメージ シーケンス

  • コード生成では、"T" (時間) 次元のみを可変サイズとすることができ、他の次元はすべて固定サイズでなければなりません。

• コード生成は、オブジェクト関数 predict のみをサポートします。predict メソッドへの dlarray 入力は、single データ型でなければなりません。

• コード生成用の dlnetwork オブジェクトを作成するには、コード生成のための事前学習済みネットワークの読み込み (MATLAB Coder)を参照してください。

• コード生成では、InputNames プロパティと OutputNames プロパティのみがサポートされます。

• コード生成では、dlnetwork オブジェクトの Initialized プロパティは true でなければなりません。

• コード生成は、State プロパティの変数 Value の調整をサポートします。コード生成は、State プロパティの変数 Layer および Parameter の変更をサポートしません。

• コード生成は、State プロパティに関する次の関数をサポートします。

  • height

  • isscalar

  • isempty

  • istable

  • istabular

  • ndims

  • numel

  • size

  • width

• Simulink によるシミュレーションに関し、コード生成は、MATLAB Function ブロックにおける dlnetwork の State の抽出と更新をサポートしません。代わりに、Stateful Predict ブロックまたは Stateful Classify ブロックを使用してください。

• コード生成は、異種混合の入力層をもつ多入力多出力の dlnetwork オブジェクトをサポートします。再帰型ニューラル ネットワークの場合、複数の入力はサポートされていません。

• コード生成は、cuDNN および TensorRT をターゲットとする dlnetwork オブジェクトをサポートします。

• コード生成は、データ形式に関して次の制限がある dlarray 入力をサポートします。

  • サードパーティのライブラリに依存しない標準 CUDA の場合、dlnetwork は、任意の数の空間次元がある入力層をもつことができます。

  • cuDNN および TensorRT をターゲットとする場合、コード生成は、0 個または 2 個の空間次元が含まれる dlarray オブジェクトをサポートします。たとえば、コード生成は次をサポートします。

    • データ形式が "CT" または "CBT" であるベクトル シーケンス

    • データ形式が "SSCT" または "SSCBT" であるイメージ シーケンス

  • コード生成では、"T" (時間) 次元のみを可変サイズとすることができ、他の次元はすべて固定サイズでなければなりません。

• コード生成は、オブジェクト関数 predict のみをサポートします。single データ型の dlarray 入力を predict メソッドに渡さなければなりません。

• 精度が INT8 である TensorRT をターゲットとする場合、ネットワークの最後の層は softmaxLayer 層でなければなりません。

• コード生成用の dlnetwork オブジェクトを作成するには、コード生成用の事前学習済みのネットワークの読み込み (GPU Coder)を参照してください。

以下のオブジェクトを dlnetwork オブジェクトに変換します。

Learnables プロパティおよび State プロパティの値に複素数値を使用できます。

R2024a 以降、LayerGraph オブジェクトは非推奨となりました。代わりに dlnetwork オブジェクトを使用してください。

この推奨により、層グラフを入力する次の構文も非推奨となります。

グラフ構造をもつニューラル ネットワークを指定するには、dlnetwork オブジェクトを作成し、関数 addLayers および connectLayers をそれぞれ使用して層の追加と結合を行います。多くの場合、次の代替案を使用してコードを更新できます。

addLayers や connectLayers といったほとんどの LayerGraph オブジェクト関数は、dlnetwork もサポートしているため、更新は必要はありません。

ニューラル ネットワークのアーキテクチャによっては、結果として得られる dlnetwork オブジェクトが初期化されていない場合があります。ニューラル ネットワークにおける予測とカスタム学習ループでは、初期化されたニューラル ネットワークが必要です。初期化されていないニューラル ネットワークを初期化するには、関数 initialize を使用します。

LayerGraph オブジェクトを使用する既存のコードは、引き続き実行できます。今後も、必要に応じ、net = dlnetwork(lgraph) を使用して引数 Initialize または X1,...,XN を指定し、LayerGraph オブジェクトを dlnetwork オブジェクトに変換することができます。

imageInputLayer や sequenceInputLayer などの入力層には、ネットワークがデータの正規化で使用するプロパティが含まれています。そのようなプロパティには、Mean、StandardDeviation、Min、および Max があります。ソフトウェアは、これらのプロパティを使用して、層の Normalization プロパティによって定義されたデータ正規化方式を適用します。

R2023b 以降、初期化済みの dlnetwork を作成するか関数 initialize を使用してネットワークを初期化すると、入力層の Mean、StandardDeviation、Min、および Max の各プロパティは、層の作成時にそれらを設定しておらず、正規化方式でそれらが必要となる場合、ソフトウェアによって初期化されます。zscore のように 2 つのプロパティを使用する正規化方式の場合、層の作成時にどちらのプロパティも設定していない場合にのみ、ソフトウェアはそれらのプロパティを初期化します。

既定では、ソフトウェアは学習時に正規化統計量を自動的に計算します。正規化をカスタマイズするには、入力層のプロパティ Mean、StandardDeviation、Min、および Max を手動で設定します。

以前のリリースでは、正規化方式を使用する入力層が含まれるネットワークを初期化する場合、その正規化方式で必要なプロパティを層の作成時に指定していないと、ソフトウェアでエラーが発生します。

dlnetwork オブジェクトの State は、ネットワークに含まれる各層の状態パラメーターの名前と値が格納された table です。

R2021a 以降、状態値は dlarray オブジェクトになっています。この変更によって、AcceleratedFunction オブジェクトを使用する際のサポートが強化されています。頻繁に変更される入力値 (ネットワークの状態を含む入力など) をもつ深層学習関数を高速化するには、頻繁に変更される値を dlarray オブジェクトとして指定しなければなりません。

以前のバージョンでは、状態値が数値配列になっています。

多くの場合、コードを更新する必要はありません。状態値を数値配列にする必要があるコードの場合、以前の動作を再現するには、関数 extractdata と関数 dlupdate を併用して状態値からデータを手動で抽出します。

state = dlupdate(@extractdata,net.State);