심층 신경망 구축하기

MATLAB^® 코드를 사용하거나 심층 신경망 디자이너를 대화형 방식으로 사용하여 시퀀스 및 테이블 형식 데이터를 위한 신경망 구축

신경망 아키텍처를 처음부터 정의하여 분류, 회귀, 전망과 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. 사용자 지정 출력 계층을 사용하여 사용자 지정 손실 함수를 지정하고 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 그래프가 지원하지 않는 모델의 경우 사용자 지정 모델을 함수로 정의할 수 있습니다. 자세한 내용은 사용자 지정 훈련 루프, 손실 함수 및 신경망 정의 항목을 참조하십시오.

앱

심층 신경망 디자이너

딥러닝 신경망의 설계, 시각화 및 훈련

함수

모두 확장

내장 계층

입력 계층

`sequenceInputLayer`	시퀀스 입력 계층
`featureInputLayer`	특징 입력 계층 (R2020b 이후)

순환 계층

`lstmLayer`	장단기 기억(LSTM) 계층
`bilstmLayer`	RNN(순환 신경망)의 BiLSTM(양방향 장단기 기억) 계층
`gruLayer`	Gated recurrent unit (GRU) layer for recurrent neural network (RNN) (R2020a 이후)
`lstmProjectedLayer`	Long short-term memory (LSTM) projected layer for recurrent neural network (RNN) (R2022b 이후)

컨벌루션, 어텐션, 완전 연결 계층

`convolution1dLayer`	1차원 컨벌루션 계층 (R2021b 이후)
`transposedConv1dLayer`	Transposed 1-D convolution layer (R2022a 이후)
`selfAttentionLayer`	Self-attention layer (R2023a 이후)
`fullyConnectedLayer`	완전 연결 계층

활성화 및 드롭아웃 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 (R2019a 이후)
`tanhLayer`	쌍곡탄젠트(tanh) 계층 (R2019a 이후)
`swishLayer`	Swish layer (R2021a 이후)
`geluLayer`	Gaussian error linear unit (GELU) layer (R2022b 이후)
`sigmoidLayer`	시그모이드 계층 (R2020b 이후)
`softmaxLayer`	소프트맥스 계층
`dropoutLayer`	드롭아웃 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

풀링 계층

`maxPooling1dLayer`	1-D max pooling layer (R2021b 이후)
`averagePooling1dLayer`	1-D average pooling layer (R2021b 이후)
`globalMaxPooling1dLayer`	1-D global max pooling layer (R2021b 이후)
`globalAveragePooling1dLayer`	1-D global average pooling layer (R2021b 이후)

결합 계층

`additionLayer`	덧셈 계층
`multiplicationLayer`	곱셈 계층 (R2020b 이후)
`concatenationLayer`	결합 계층 (R2019a 이후)
`depthConcatenationLayer`	심도 결합 계층

데이터 조작

`sequenceFoldingLayer`	시퀀스 접기 계층 (R2019a 이후)
`sequenceUnfoldingLayer`	Sequence unfolding layer (R2019a 이후)
`flattenLayer`	평탄화 계층 (R2019a 이후)

출력 계층

`classificationLayer`	분류 출력 계층
`regressionLayer`	회귀 출력 계층

신경망 구축하기

`layerGraph`	딥러닝을 위한 신경망 계층의 그래프
`plot`	신경망 아키텍처 플로팅
`addLayers`	Add layers to layer graph or network
`removeLayers`	계층 그래프 또는 신경망에서 계층 제거
`replaceLayer`	Replace layer in layer graph or network
`connectLayers`	계층 그래프 또는 신경망에서 계층 연결
`disconnectLayers`	계층 그래프 또는 신경망에서 계층 연결 끊기
`DAGNetwork`	딥러닝을 위한 DAG(유방향 비순환 그래프) 신경망
`isequal`	Check equality of deep learning layer graphs or networks (R2021a 이후)
`isequaln`	Check equality of deep learning layer graphs or networks ignoring `NaN` values (R2021a 이후)
`analyzeNetwork`	딥러닝 신경망 아키텍처 분석

사용자 지정 신경망

`dlnetwork`	Deep learning network for custom training loops (R2019b 이후)
`addInputLayer`	Add input layer to network (R2022b 이후)
`summary`	신경망 요약 출력 (R2022b 이후)
`initialize`	Initialize learnable and state parameters of a `dlnetwork` (R2021a 이후)
`networkDataLayout`	Deep learning network data layout for learnable parameter initialization (R2022b 이후)
`checkLayer`	Check validity of custom or function layer

도움말 항목

내장 계층

숫자형 특징을 사용하여 신경망 훈련시키기
이 예제에서는 딥러닝 특징 데이터 분류용으로 간단한 신경망을 만들고 훈련시키는 방법을 보여줍니다.
심층 신경망 디자이너를 사용하여 간단한 시퀀스 분류 신경망 만들기
이 예제에서는 심층 신경망 디자이너를 사용하여 간단한 장단기 기억(LSTM) 분류 신경망을 만드는 방법을 보여줍니다.
딥러닝을 사용한 시퀀스 분류
이 예제에서는 장단기 기억(LSTM) 신경망을 사용하여 시퀀스 데이터를 분류하는 방법을 보여줍니다.
딥러닝을 사용한 sequence-to-sequence 분류
이 예제에서는 장단기 기억(LSTM) 신경망을 사용하여 시퀀스 데이터의 각 시간 스텝을 분류하는 방법을 보여줍니다.
딥러닝을 사용한 sequence-to-sequence 회귀
이 예제에서는 딥러닝을 사용하여 엔진의 잔여 수명(RUL)을 예측하는 방법을 보여줍니다.
딥러닝을 사용한 sequence-to-one 회귀
이 예제에서는 장단기 기억(LSTM) 신경망을 사용하여 파형의 주파수를 예측하는 방법을 보여줍니다.
장단기 기억 신경망
장단기 기억(LSTM) 신경망에 대해 알아봅니다.
Example Deep Learning Networks Architectures
This example shows how to define simple deep learning neural networks for classification and regression tasks.
다중 입력 및 다중 출력 신경망
여러 개의 입력값이나 여러 개의 출력값을 갖는 딥러닝 신경망을 정의하고 훈련시키는 방법을 알아봅니다.
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.

사용자 지정 계층

사용자 지정 딥러닝 계층 정의하기
사용자 지정 딥러닝 계층을 정의하는 방법을 알아봅니다.
Define Custom Deep Learning Intermediate Layers
Learn how to define custom deep learning intermediate layers.
사용자 지정 딥러닝 출력 계층 정의하기
사용자 지정 딥러닝 출력 계층을 정의하는 방법을 알아봅니다.
Check Custom Layer Validity
Learn how to check the validity of custom deep learning layers.
Replace Unsupported Keras Layer with Function Layer
This example shows how to import the layers from a pretrained Keras network, replace the unsupported layers with function layers, and assemble the layers into a network ready for prediction.