심층 신경망 구축하기

명령줄 함수를 사용하거나 심층 신경망 디자이너 앱을 대화형 방식으로 사용하여 신경망을 구축합니다.

MATLAB^® 코드를 사용하거나 심층 신경망 디자이너 앱을 대화형 방식으로 사용하여 신경망을 처음부터 구축합니다. 내장 계층을 사용하여 분류와 회귀 같은 작업에 사용할 신경망을 생성합니다. 내장 계층 목록을 보려면 딥러닝 계층 목록 항목을 참조하십시오. 그런 다음 신경망 분석을 통해 신경망 아키텍처를 검토하여 훈련에 앞서 문제가 있지 않은지 확인할 수 있습니다.

내장 계층이 사용자가 하려는 작업에 필요한 계층을 제공하지 않는 경우 자신만의 고유한 사용자 지정 딥러닝 계층을 정의할 수 있습니다. 사용자 지정 출력 계층을 사용하여 사용자 지정 손실 함수를 지정하고 학습 가능한 파라미터를 포함하거나 포함하지 않는 사용자 지정 계층을 정의할 수 있습니다. 사용자 지정 계층을 정의한 후에는 이 계층이 유효하고, GPU와 호환되며, 올바르게 정의된 기울기를 출력하는지 확인할 수 있습니다.

계층 그래프를 사용하여 만들 수 없는 신경망의 경우 사용자 지정 신경망을 함수로 정의할 수 있습니다. 함수로 정의된 딥러닝 모델을 훈련시키는 방법을 보여주는 예제는 Train Network Using Model Function 항목을 참조하십시오.

앱

심층 신경망 디자이너

딥러닝 신경망의 설계, 시각화 및 훈련

함수

모두 확장

내장 계층

입력 계층

`imageInputLayer`	영상 입력 계층
`image3dInputLayer`	3차원 영상 입력 계층
`sequenceInputLayer`	시퀀스 입력 계층
`featureInputLayer`	특징 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
`selfAttentionLayer`	Self-attention layer

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)
`lstmProjectedLayer`	Long short-term memory (LSTM) projected layer for recurrent neural network (RNN)

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
`geluLayer`	Gaussian error linear unit (GELU) layer
`softmaxLayer`	소프트맥스 계층
`sigmoidLayer`	시그모이드 계층
`functionLayer`	Function layer

정규화 계층

`batchNormalizationLayer`	배치 정규화 계층
`groupNormalizationLayer`	Group normalization layer
`instanceNormalizationLayer`	Instance normalization layer
`layerNormalizationLayer`	계층 정규화 계층
`crossChannelNormalizationLayer`	채널별 국소 응답 정규화 계층

유틸리티 계층

`dropoutLayer`	드롭아웃 계층
`crop2dLayer`	2-D crop layer
`crop3dLayer`	3-D crop layer

데이터 조작

`sequenceFoldingLayer`	시퀀스 접기 계층
`sequenceUnfoldingLayer`	Sequence unfolding layer
`flattenLayer`	평탄화 계층

풀링 및 언풀링 계층

`averagePooling2dLayer`	평균값 풀링 계층
`averagePooling3dLayer`	3-D average pooling layer
`globalAveragePooling2dLayer`	2-D global average pooling layer
`globalAveragePooling3dLayer`	3-D global average pooling layer
`globalMaxPooling2dLayer`	Global max pooling layer
`globalMaxPooling3dLayer`	3-D global max pooling layer
`maxPooling2dLayer`	최댓값 풀링 계층
`maxPooling3dLayer`	3-D max pooling layer
`maxUnpooling2dLayer`	최댓값 언풀링 계층

결합 계층

`additionLayer`	덧셈 계층
`multiplicationLayer`	곱셈 계층
`concatenationLayer`	결합 계층
`depthConcatenationLayer`	심도 결합 계층

출력 계층

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

신경망 구축

`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
`resnetLayers`	Create 2-D residual network
`resnet3dLayers`	Create 3-D residual network
`isequal`	Check equality of deep learning layer graphs or networks
`isequaln`	Check equality of deep learning layer graphs or networks ignoring `NaN` values
`analyzeNetwork`	딥러닝 신경망 아키텍처 분석
`resetState`	신경망의 상태 파라미터 재설정

사용자 지정 신경망

`dlnetwork`	Deep learning network for custom training loops
`addInputLayer`	Add input layer to network
`summary`	Print network summary
`initialize`	Initialize learnable and state parameters of a `dlnetwork`
`networkDataLayout`	Deep learning network data layout for learnable parameter initialization
`checkLayer`	Check validity of custom or function layer
`setL2Factor`	계층의 학습 가능한 파라미터에 대한 L2 정규화 인자 설정
`getL2Factor`	계층의 학습 가능한 파라미터에 대한 L2 정규화 인자 가져오기
`setLearnRateFactor`	계층의 학습 가능한 파라미터에 대한 학습률 인자 설정
`getLearnRateFactor`	계층의 학습 가능한 파라미터에 대한 학습률 인자 가져오기

도움말 항목

내장 계층

장단기 기억 신경망
장단기 기억(LSTM) 신경망에 대해 알아봅니다.
분류를 수행하는 간단한 딥러닝 신경망 만들기
이 예제에서는 딥러닝 분류를 수행하는 간단한 컨벌루션 신경망을 만들고 훈련시키는 방법을 보여줍니다.
딥러닝 계층 목록
MATLAB에서 제공하는 딥러닝 계층에 대해 알아봅니다.
컨벌루션 신경망의 계층 지정하기
컨벌루션 신경망(ConvNet)에는 어떤 계층이 있는지 그리고 이들 계층이 ConvNet에서 어떤 순서로 나타나는지 알아봅니다.
심층 신경망 디자이너를 사용하여 신경망 구축하기
심층 신경망 디자이너에서 딥러닝 신경망을 대화형 방식으로 구축하고 편집합니다.
Example Deep Learning Networks Architectures
This example shows how to define simple deep learning neural networks for classification and regression tasks.
Generate MATLAB Code from Deep Network Designer
Generate MATLAB code to recreate designing and training a network in Deep Network Designer.

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.
Define Custom Deep Learning Output Layers
Learn how to define custom deep learning output layers.
Import Custom Layer into Deep Network Designer
This example shows how to import a custom classification output layer with the sum of squares error (SSE) loss and add it to a pretrained network in Deep Network Designer.
Deep Learning Network Composition
Define custom layers containing layer graphs.
Define Nested Deep Learning Layer
This example shows how to define a nested deep learning layer.
Check Custom Layer Validity
Learn how to check the validity of custom deep learning layers.
View Autogenerated Custom Layers Using Deep Network Designer
This example shows how to import a pretrained TensorFlow™ network and view the autogenerated layers in Deep Network Designer.

추천 예제

딥러닝을 사용한 시퀀스 분류

이 예제에서는 장단기 기억(LSTM) 신경망을 사용하여 시퀀스 데이터를 분류하는 방법을 보여줍니다.

라이브 스크립트 열기

분류 신경망을 회귀 신경망으로 변환하기

이 예제에서는 훈련된 분류 신경망을 회귀 신경망으로 변환하는 방법을 보여줍니다.

라이브 스크립트 열기

1차원 컨벌루션을 사용한 시퀀스 분류

이 예제에서는 1차원 컨벌루션 신경망을 사용하여 시퀀스 데이터를 분류하는 방법을 보여줍니다.

라이브 스크립트 열기

Image-to-Image Regression in Deep Network Designer

Use Deep Network Designer to construct and train an image-to-image regression network for super resolution.

라이브 스크립트 열기

Multilabel Image Classification Using Deep Learning

Use transfer learning to train a deep learning model for multilabel image classification.

라이브 스크립트 열기

심층 신경망 디자이너 시작하기

이 예제에서는 심층 신경망 디자이너를 사용하여, 사전 훈련된 GoogLeNet 신경망이 새로운 영상의 모음을 분류하도록 조정하는 방법을 보여줍니다. 이 절차는 전이 학습이라고 부르며, 학습된 특징을 적은 개수의 훈련 영상을 사용하여 새 작업에 적용할 수 있기 때문에 일반적으로 새로운 신경망을 훈련시키는 것보다 훨씬 빠르고 쉽습니다. 전이 학습을 위해 신경망을 대화형 방식으로 준비하려면 심층 신경망 디자이너를 사용하십시오.

라이브 스크립트 열기

심층 신경망 디자이너를 사용하여 간단한 영상 분류 신경망 만들기

이 예제에서는 심층 신경망 디자이너를 사용하여 딥러닝 분류용으로 간단한 컨벌루션 신경망을 만들고 훈련시키는 방법을 보여줍니다. 컨벌루션 신경망은 딥러닝 분야의 필수 툴로서, 특히 영상 인식에 적합합니다.

라이브 스크립트 열기