내장 계층

내장 계층을 사용하여 심층 신경망 구축

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.

앱

심층 신경망 디자이너

딥러닝 신경망을 설계하고 시각화합니다

함수

모두 확장

내장 계층

입력 계층

`inputLayer`	Input layer (R2023b 이후)
`imageInputLayer`	영상 입력 계층
`image3dInputLayer`	3차원 영상 입력 계층
`sequenceInputLayer`	시퀀스 입력 계층
`featureInputLayer`	특징 입력 계층

컨벌루션 계층과 완전 연결 계층

`convolution1dLayer`	1차원 컨벌루션 계층 (R2021b 이후)
`convolution2dLayer`	2차원 컨벌루션 계층
`convolution3dLayer`	3-D convolutional layer
`groupedConvolution2dLayer`	2-D grouped convolutional layer
`transposedConv1dLayer`	Transposed 1-D convolution layer (R2022a 이후)
`transposedConv2dLayer`	Transposed 2-D convolution layer
`transposedConv3dLayer`	Transposed 3-D convolution layer
`fullyConnectedLayer`	완전 연결 계층

순환 계층

`lstmLayer`	RNN(순환 신경망)의 LSTM(장단기 기억) 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) (R2022b 이후)
`gruProjectedLayer`	Gated recurrent unit (GRU) projected layer for recurrent neural network (RNN) (R2023b 이후)

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)
`deep.ode.options.ODE1`	Neural ODE solver options for nonstiff differential equations using Euler method (R2025a 이후)
`deep.ode.options.ODE45`	Neural ODE solver options for nonstiff differential equations (R2025a 이후)

활성화 계층

`reluLayer`	ReLU(Rectified Linear Unit) 계층
`leakyReluLayer`	Leaky ReLU(Rectified Linear Unit) 계층
`preluLayer`	Parametrized Rectified Linear Unit (PReLU) layer (R2024a 이후)
`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)
`softmaxLayer`	소프트맥스 계층
`sigmoidLayer`	시그모이드 계층
`softplusLayer`	Softplus layer
`complexReluLayer`	Complex rectified linear unit (ReLU) layer (R2025a 이후)
`functionLayer`	Function layer (R2021b 이후)

정규화 계층

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

유틸리티 계층

`dropoutLayer`	드롭아웃 계층
`spatialDropoutLayer`	Spatial dropout layer (R2024a 이후)
`flattenLayer`	평탄화 계층
`crop2dLayer`	2-D crop layer
`crop3dLayer`	3-D crop layer
`scalingLayer`	Scaling layer
`quadraticLayer`	Quadratic layer
`identityLayer`	Identity layer (R2024b 이후)
`complexToRealLayer`	Complex-to-real layer (R2024b 이후)
`realToComplexLayer`	Real-to-complex layer (R2024b 이후)
`networkLayer`	Network Layer (R2024a 이후)
`reshapeLayer`	Reshape layer (R2025a 이후)
`permuteLayer`	Permute layer (R2025a 이후)

풀링 및 언풀링 계층

`averagePooling1dLayer`	1-D average pooling layer (R2021b 이후)
`averagePooling2dLayer`	평균값 풀링 계층
`averagePooling3dLayer`	3-D average pooling layer
`adaptiveAveragePooling2dLayer`	Adaptive average pooling 2-D layer (R2024a 이후)
`globalAveragePooling1dLayer`	1-D global average pooling layer (R2021b 이후)
`globalAveragePooling2dLayer`	2-D global average pooling layer
`globalAveragePooling3dLayer`	3-D global average pooling layer
`globalMaxPooling1dLayer`	1-D global max pooling layer (R2021b 이후)
`globalMaxPooling2dLayer`	Global max pooling layer
`globalMaxPooling3dLayer`	3-D global max pooling layer
`maxPooling1dLayer`	1-D max pooling layer (R2021b 이후)
`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

신경망 생성

`dlnetwork`	딥러닝 신경망
`imagePretrainedNetwork`	영상에 대해 사전 훈련된 신경망 (R2024a 이후)
`resnetNetwork`	2-D residual neural network (R2024a 이후)
`resnet3dNetwork`	3-D residual neural network (R2024a 이후)
`dag2dlnetwork`	Convert `SeriesNetwork` and `DAGNetwork` to `dlnetwork` (R2024a 이후)

신경망 편집

`addLayers`	신경망에 계층 추가하기
`removeLayers`	신경망에서 계층 제거
`replaceLayer`	Replace layer in neural network
`getLayer`	Look up a layer by name or path (R2024a 이후)
`connectLayers`	신경망에서 계층 연결하기
`disconnectLayers`	신경망에서 계층 연결 끊기
`expandLayers`	Expand network layers (R2024a 이후)
`groupLayers`	Group layers into network layers (R2024a 이후)
`addInputLayer`	Add input layer to network (R2022b 이후)

학습 가능한 파라미터

`initialize`	Initialize learnable and state parameters of neural network (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

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.
회귀를 위해 컨벌루션 신경망 훈련시키기
이 예제에서는 손으로 쓴 숫자의 회전 각도를 예측하는 컨벌루션 신경망을 훈련시키는 방법을 보여줍니다.
딥러닝 계층 목록
MATLAB^®에서 제공하는 딥러닝 계층에 대해 알아봅니다.
심층 신경망 디자이너를 사용하여 신경망 구축하기
심층 신경망 디자이너에서 딥러닝 신경망을 대화형 방식으로 구축하고 편집합니다.
Create and Train Network with Nested Layers
This example shows how to create and train a network with nested layers using network layers. (R2024a 이후)
Example Deep Learning Networks Architectures
This example shows how to define simple deep learning neural networks for classification and regression tasks.
Choose an AI Model
Explore options for choosing an AI model.
심층 신경망 디자이너에서 MATLAB 코드 생성하기
심층 신경망 디자이너에서 신경망 설계를 다시 만들어 주는 MATLAB 코드를 생성합니다.
다중 입력 및 다중 출력 신경망
다중 입력값이나 다중 출력값을 갖는 딥러닝 신경망을 정의하고 훈련시키는 방법을 알아봅니다.