심층 신경망 구축하기

MATLAB^® 코드를 사용하거나 심층 신경망 디자이너를 대화형 방식으로 사용하여 영상 데이터를 위한 신경망 구축

신경망 아키텍처를 처음부터 정의하여 영상 분류와 회귀 같은 작업을 위한 새로운 심층 신경망을 만듭니다. MATLAB을 사용하거나 심층 신경망 디자이너를 대화형 방식으로 사용하여 신경망을 구축합니다.

대부분의 작업에서 내장 계층을 사용할 수 있습니다. 작업에 필요한 내장 계층이 없는 경우 자신만의 고유한 사용자 지정 계층을 정의할 수 있습니다. 학습 가능한 파라미터와 상태 파라미터를 포함하는 사용자 지정 계층을 정의할 수 있습니다. 사용자 지정 계층을 정의한 후에는 이 계층이 유효하고, GPU와 호환되며, 올바르게 정의된 기울기를 출력하는지 확인할 수 있습니다. 지원되는 계층 목록은 딥러닝 계층 목록 항목을 참조하십시오.

계층 신경망으로 지정할 수 없는 모델의 경우 모델을 함수로 정의할 수 있습니다. 자세한 내용은 사용자 지정 훈련 루프, 손실 함수 및 신경망 정의 항목을 참조하십시오.

앱

심층 신경망 디자이너

딥러닝 신경망을 설계하고 시각화합니다

함수

모두 확장

내장 계층

입력 계층

`imageInputLayer`	영상 입력 계층
`image3dInputLayer`	3차원 영상 입력 계층

컨벌루션 계층과 완전 연결 계층

`convolution2dLayer`	2차원 컨벌루션 계층
`convolution3dLayer`	3-D convolutional layer
`groupedConvolution2dLayer`	2-D grouped convolutional layer
`transposedConv2dLayer`	Transposed 2-D convolution layer
`transposedConv3dLayer`	Transposed 3-D convolution layer
`fullyConnectedLayer`	완전 연결 계층

트랜스포머 계층

`selfAttentionLayer`	Self-attention layer (R2023a 이후)
`attentionLayer`	Dot-product attention layer (R2024a 이후)
`positionEmbeddingLayer`	Position embedding layer (R2023b 이후)
`sinusoidalPositionEncodingLayer`	Sinusoidal position encoding layer (R2023b 이후)
`embeddingConcatenationLayer`	Embedding concatenation layer (R2023b 이후)
`indexing1dLayer`	1-D indexing layer (R2023b 이후)

신경망 ODE 계층

neuralODELayer Neural ODE layer (R2023b 이후)

활성화 계층

`reluLayer`	ReLU(Rectified Linear Unit) 계층
`leakyReluLayer`	Leaky ReLU(Rectified Linear Unit) 계층
`clippedReluLayer`	Clipped ReLU(Rectified Linear Unit) 계층
`eluLayer`	Exponential linear unit (ELU) layer
`tanhLayer`	쌍곡탄젠트(tanh) 계층
`swishLayer`	Swish layer (R2021a 이후)
`geluLayer`	Gaussian error linear unit (GELU) layer (R2022b 이후)
`sigmoidLayer`	시그모이드 계층 (R2020b 이후)
`softmaxLayer`	소프트맥스 계층
`functionLayer`	Function layer (R2021b 이후)

정규화 계층

`batchNormalizationLayer`	배치 정규화 계층
`groupNormalizationLayer`	Group normalization layer (R2020b 이후)
`instanceNormalizationLayer`	Instance normalization layer (R2021a 이후)
`layerNormalizationLayer`	계층 정규화 계층 (R2021a 이후)
`crossChannelNormalizationLayer`	채널별 국소 응답 정규화 계층

유틸리티 계층

`dropoutLayer`	드롭아웃 계층
`crop2dLayer`	2-D crop layer
`crop3dLayer`	3-D crop layer (R2019b 이후)
`networkLayer`	Network Layer (R2024a 이후)

풀링 및 언풀링 계층

`averagePooling2dLayer`	평균값 풀링 계층
`averagePooling3dLayer`	3-D average pooling layer
`adaptiveAveragePooling2dLayer`	Adaptive average pooling 2-D layer (R2024a 이후)
`globalAveragePooling2dLayer`	2-D global average pooling layer (R2019b 이후)
`globalAveragePooling3dLayer`	3-D global average pooling layer (R2019b 이후)
`globalMaxPooling2dLayer`	Global max pooling layer (R2020a 이후)
`globalMaxPooling3dLayer`	3-D global max pooling layer (R2020a 이후)
`maxPooling2dLayer`	최댓값 풀링 계층
`maxPooling3dLayer`	3-D max pooling layer
`maxUnpooling2dLayer`	최댓값 언풀링 계층

결합 계층

`additionLayer`	덧셈 계층
`multiplicationLayer`	곱셈 계층 (R2020b 이후)
`concatenationLayer`	결합 계층
`depthConcatenationLayer`	심도 결합 계층

신경망 구축

`dlnetwork`	Deep learning neural network (R2019b 이후)
`imagePretrainedNetwork`	Pretrained neural network for images (R2024a 이후)
`resnetNetwork`	2-D residual neural network (R2024a 이후)
`resnet3dNetwork`	3-D residual neural network (R2024a 이후)
`addLayers`	신경망에 계층 추가하기
`removeLayers`	신경망에서 계층 제거
`replaceLayer`	Replace layer in neural network
`connectLayers`	신경망에서 계층 연결하기
`disconnectLayers`	신경망에서 계층 연결 끊기
`addInputLayer`	Add input layer to network (R2022b 이후)
`expandLayers`	Expand network layers (R2024a 이후)
`groupLayers`	Group layers into network layers (R2024a 이후)
`initialize`	Initialize learnable and state parameters of a `dlnetwork` (R2021a 이후)
`networkDataLayout`	Deep learning network data layout for learnable parameter initialization (R2022b 이후)
`setL2Factor`	계층의 학습 가능한 파라미터의 L₂ 정규화 인자 설정
`getL2Factor`	계층의 학습 가능한 파라미터의 L₂ 정규화 인자 가져오기
`setLearnRateFactor`	계층의 학습 가능한 파라미터에 대한 학습률 인자 설정
`getLearnRateFactor`	계층의 학습 가능한 파라미터에 대한 학습률 인자 가져오기

신경망 정보

`plot`	신경망 아키텍처 플로팅
`summary`	신경망 요약 출력 (R2022b 이후)
`analyzeNetwork`	딥러닝 신경망 아키텍처 분석
`checkLayer`	Check validity of custom or function layer
`isequal`	Check equality of neural networks (R2021a 이후)
`isequaln`	Check equality of neural networks ignoring `NaN` values (R2021a 이후)

도움말 항목

내장 계층

분류를 수행하는 간단한 딥러닝 신경망 만들기
이 예제에서는 딥러닝 분류를 수행하는 간단한 컨벌루션 신경망을 만들고 훈련시키는 방법을 보여줍니다.
회귀를 위해 컨벌루션 신경망 훈련시키기
이 예제에서는 손으로 쓴 숫자의 회전 각도를 예측하는 컨벌루션 신경망을 훈련시키는 방법을 보여줍니다.
딥러닝 계층 목록
MATLAB에서 제공하는 딥러닝 계층에 대해 알아봅니다.
심층 신경망 디자이너를 사용하여 신경망 구축하기
심층 신경망 디자이너에서 딥러닝 신경망을 대화형 방식으로 구축하고 편집합니다.
MATLAB의 딥러닝
사전 훈련된 신경망 및 전이 학습, 그리고 GPU, CPU, 클러스터 및 클라우드에서의 훈련 등 분류 및 회귀에 컨벌루션 신경망을 사용하여 MATLAB의 딥러닝 기능을 알아봅니다.
딥러닝 팁과 요령
딥러닝 신경망의 정확도를 높이는 방법을 알아봅니다.
Data Sets for Deep Learning
Discover data sets for various deep learning tasks.
다중 입력 및 다중 출력 신경망
다중 입력값이나 다중 출력값을 갖는 딥러닝 신경망을 정의하고 훈련시키는 방법을 알아봅니다.
Example Deep Learning Networks Architectures
This example shows how to define simple deep learning neural networks for classification and regression tasks.