사용자 지정 계층

딥러닝을 위한 사용자 지정 계층 정의

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.

함수

모두 확장

사용자 지정 계층

`functionLayer`	Function layer
`checkLayer`	Check validity of custom or function layer
`setLearnRateFactor`	계층의 학습 가능한 파라미터에 대한 학습률 인자 설정
`setL2Factor`	계층의 학습 가능한 파라미터에 대한 L2 정규화 인자 설정
`getLearnRateFactor`	계층의 학습 가능한 파라미터에 대한 학습률 인자 가져오기
`getL2Factor`	계층의 학습 가능한 파라미터에 대한 L2 정규화 인자 가져오기
`networkDataLayout`	Deep learning network data layout for learnable parameter initialization

신경망 조합

`findPlaceholderLayers`	Find placeholder layers in network architecture imported from Keras or ONNX
`replaceLayer`	Replace layer in layer graph or network
`assembleNetwork`	사전 훈련된 계층에서 딥러닝 신경망 조합
`PlaceholderLayer`	Layer replacing an unsupported Keras or ONNX layer

도움말 항목

사용자 지정 계층 개요

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.
Check Custom Layer Validity
Learn how to check the validity of custom deep learning 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.
사전 훈련된 Keras 계층에서 신경망 조합하기
이 예제에서는 사전 훈련된 Keras 신경망에서 계층을 가져오고 지원되지 않는 계층을 사용자 지정 계층으로 바꾼 다음 이러한 계층을 예측을 실행할 준비가 된 신경망으로 조합하는 방법을 보여줍니다.
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.

사용자 지정 중간 계층

학습 가능한 파라미터를 갖는 사용자 지정 딥러닝 계층 정의하기
이 예제에서는 PReLU 계층을 정의하고 이를 컨벌루션 신경망에서 사용하는 방법을 보여줍니다.
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 PReLU 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 PReLU layer that supports code generation.

사용자 지정 출력 계층

Define Custom Classification Output Layer
This example shows how to define a custom classification output layer with sum of squares error (SSE) loss and use it in a convolutional neural network.
사용자 지정 회귀 출력 계층 정의하기
이 예제에서는 평균 절대 오차(MAE) 손실이 있는 사용자 지정 회귀 출력 계층을 정의하고 이를 컨벌루션 신경망에서 사용하는 방법을 보여줍니다.
Specify Custom Output Layer Backward Loss Function
This example shows how to define a custom classification output layer with sum of squares error (SSE) loss and specify a custom backward loss function.

신경망 구성 및 중첩 계층

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.
중첩 계층으로 딥러닝 신경망 훈련시키기
이 예제에서는 중첩 계층으로 신경망을 훈련시키는 방법을 보여줍니다.