Benutzerdefinierte Schichten

Definieren von benutzerdefinierten Schichten für Deep Learning

Für die meisten Aufgaben können Sie integrierte Schichten verwenden. Wenn es keine integrierte Schicht gibt, die Sie für Ihre Aufgabe benötigen, können Sie eine eigene Schicht definieren. Sie können benutzerdefinierte Schichten mit erlernbaren und Zustandsparametern definieren. Nachdem Sie eine benutzerdefinierte Schicht definiert haben, können Sie überprüfen, ob die Schicht gültig und GPU-kompatibel ist und korrekt definierte Gradienten ausgibt. Eine Liste der unterstützten Schichten finden Sie unter List of Deep Learning Layers.

Funktionen

alle erweitern

Benutzerdefinierte Schichten

`functionLayer`	Function layer (Seit R2021b)
`checkLayer`	Check validity of custom or function layer
`setLearnRateFactor`	Set learn rate factor of layer learnable parameter
`setL2Factor`	Set L₂ regularization factor of layer learnable parameter
`getLearnRateFactor`	Get learn rate factor of layer learnable parameter
`getL2Factor`	Get L₂ regularization factor of layer learnable parameter
`networkDataLayout`	Deep learning network data layout for learnable parameter initialization (Seit R2022b)

Aufbau von Netzen

`dlnetwork`	Deep learning neural network (Seit R2019b)
`findPlaceholderLayers`	Find placeholder layers in network architecture imported from Keras or ONNX
`replaceLayer`	Replace layer in neural network
`PlaceholderLayer`	Layer replacing an unsupported Keras or ONNX layer

Themen

Übersicht über benutzerdefinierte Schichten

Define Custom Deep Learning Layers
Learn how to define custom deep learning layers.
Check Custom Layer Validity
Learn how to check the validity of custom deep learning layers.

Definieren von benutzerdefinierten Schichten

Define Custom Deep Learning Layer with Learnable Parameters
This example shows how to define a SReLU layer and use it in a convolutional neural network.
Define Custom Deep Learning Layer with Multiple Inputs
This example shows how to define a custom weighted addition layer and use it in a convolutional neural network.
Define Custom Deep Learning Layer with Formatted Inputs
This example shows how to define a custom layer with formatted dlarray inputs.
Define Custom Recurrent Deep Learning Layer
This example shows how to define a peephole LSTM layer and use it in a neural network.
Specify Custom Layer Backward Function
This example shows how to define a SReLU layer and specify a custom backward function.
Custom Layer Function Acceleration
Accelerate custom layer forward and predict functions by caching and reusing traces.
Define Custom Deep Learning Layer for Code Generation
This example shows how to define a SReLU layer that supports code generation.

Zusammensetzung von Netzen und verschachtelte Schichten

Deep Learning Network Composition
Define custom layers that contain neural networks.
Define Nested Deep Learning Layer Using Network Composition
This example shows how to define a nested custom deep learning layer.
Train Network with Custom Nested Layers
This example shows how to create and train a network with nested layers defined using network composition.
Weight Tying Using Nested Layer
This example shows how to implement weight tying using a nested layer.