depthConcatenationLayer

심도 결합 계층

설명

심도 결합 계층은 동일한 높이와 너비를 갖는 입력값을 받아서 채널 차원을 따라 결합합니다.

계층을 만들 때 계층의 입력값의 개수를 지정합니다. 입력값은 'in1','in2',...,'inN'과 같은 이름을 갖습니다. 여기서 N은 입력값의 개수입니다. 입력값 이름은 connectLayers 또는 disconnectLayers를 사용하여 계층을 연결하거나 연결을 끊을 때 사용합니다.

생성

구문

layer = depthConcatenationLayer(numInputs)

layer = depthConcatenationLayer(numInputs,'Name',name)

설명

layer = depthConcatenationLayer(numInputs)는 채널 차원을 따라 numInputs개의 입력값을 결합하는 심도 결합 계층을 만듭니다. 이 함수는 NumInputs 속성도 설정합니다.

layer = depthConcatenationLayer(numInputs,'Name',name)은 Name 속성도 설정합니다.

속성

NumInputs — 입력값의 개수

양의 정수

계층에 대한 입력값의 개수로, 2보다 크거나 같은 양의 정수로 지정됩니다.

입력값은 'in1','in2',...,'inN'과 같은 이름을 갖습니다. 여기서 N은 NumInputs입니다. 예를 들어 NumInputs가 3인 경우, 입력값은 'in1','in2', 'in3'이라는 이름을 갖습니다. 입력값 이름은 connectLayers 함수 또는 disconnectLayers 함수를 사용하여 계층을 연결하거나 연결을 끊을 때 사용합니다.

Name — 계층 이름

'' (디폴트 값) | 문자형 벡터 | string형 스칼라

계층 이름으로, 문자형 벡터 또는 string형 스칼라로 지정됩니다. Layer 배열 입력값에 대해 trainnet 및 dlnetwork 함수는 이름이 지정되지 않은 계층에 자동으로 이름을 할당합니다.

DepthConcatenationLayer 객체는 이 속성을 문자형 벡터로 저장합니다.

데이터형: char | string

InputNames — 입력값 이름

{'in1','in2',…,'inN'} (디폴트 값)

입력값 이름으로, {'in1','in2',...,'inN'}으로 지정됩니다. 여기서 N은 계층의 입력값 개수입니다.

데이터형: cell

NumOutputs — 출력값 개수

읽기 전용: 1 (디폴트 값)

읽기 전용 속성입니다.

계층의 출력값 개수로, 1로 저장됩니다. 이 계층은 단일 출력값만 가집니다.

데이터형: double

OutputNames — 출력값 이름

읽기 전용: {'out'} (디폴트 값)

읽기 전용 속성입니다.

출력값 이름으로, {'out'}으로 저장됩니다. 이 계층은 단일 출력값만 가집니다.

데이터형: cell

예제

심도 결합 계층을 만들고 연결하기

입력값이 2개이고 이름이 'concat_1'인 심도 결합 계층을 만듭니다.

concat = depthConcatenationLayer(2,'Name','concat_1')

concat = 
  DepthConcatenationLayer with properties:

          Name: 'concat_1'
     NumInputs: 2
    InputNames: {'in1'  'in2'}

2개의 ReLU 계층을 만들어서 심도 결합 계층에 연결합니다. 심도 결합 계층은 ReLU 계층의 출력값을 결합합니다.

relu_1 = reluLayer('Name','relu_1');
relu_2 = reluLayer('Name','relu_2');

net = dlnetwork;
net = addLayers(net,relu_1);
net = addLayers(net,relu_2);
net = addLayers(net,concat);

net = connectLayers(net,'relu_1','concat_1/in1');
net = connectLayers(net,'relu_2','concat_1/in2');

plot(net)

알고리즘

계층 입력 형식 및 출력 형식

계층 배열 또는 계층 그래프의 계층은 뒤에 오는 계층에 데이터를 전달할 때 형식이 지정된 dlarray 객체로 전달합니다. dlarray 객체의 형식은 문자들로 구성된 문자열로, 각 문자는 데이터의 대응되는 차원을 설명합니다. 형식은 다음 문자 중 하나 이상으로 구성됩니다.

• "S" — 공간

• "C" — 채널

• "B" — 배치

• "T" — 시간

• "U" — 지정되지 않음

4차원 배열로 표현되는 2차원 영상 데이터를 예로 들면 처음 2개 차원은 영상의 공간 차원, 3번째 차원은 영상의 채널, 4번째 차원은 배치 차원에 대응되며, "SSCB"(공간, 공간, 채널, 배치) 형식으로 설명할 수 있습니다.

functionLayer 객체를 사용하여 사용자 지정 계층을 개발하거나, dlnetwork 객체에 forward 및 predict 함수를 사용하는 경우와 같은 자동 미분 워크플로에서 이러한 dlarray 객체와 상호 작용할 수 있습니다.

이 표는 DepthConcatenationLayer 객체의 지원되는 입력 형식과 그에 대응되는 출력 형식을 보여줍니다. 계층의 출력이 nnet.layer.Formattable 클래스를 상속하지 않는 사용자 지정 계층에 전달되거나 Formattable 속성을 0(false)으로 설정한 FunctionLayer 객체에 전달될 경우 이 계층은 이 표에 나와 있는 형식에 따라 순서가 지정된 차원을 갖는, 형식이 지정되지 않은 dlarray 객체를 수신합니다. 여기에 나와 있는 형식은 일부에 불과합니다. 계층은 다른 형식도 지원할 수 있습니다(예: 추가적인 "S"(공간) 또는 "U"(미지정) 차원을 갖는 형식).

출력 형식은 입력 형식과 일치합니다.

입력 형식	출력 형식
"SSCB"(공간, 공간, 채널, 배치)	"SSCB"(공간, 공간, 채널, 배치)
"SSSCB"(공간, 공간, 공간, 채널, 배치)	"SSSCB"(공간, 공간, 공간, 채널, 배치)
"SSCBT"(공간, 공간, 채널, 배치, 시간)	"SSCBT"(공간, 공간, 채널, 배치, 시간)
"SSSCBT"(공간, 공간, 공간, 채널, 배치, 시간)	"SSSCBT"(공간, 공간, 공간, 채널, 배치, 시간)
"SSC"(공간, 공간, 채널)	"SSC"(공간, 공간, 채널)
"SSSC"(공간, 공간, 공간, 채널)	"SSSC"(공간, 공간, 공간, 채널)

dlnetwork 객체에서 DepthConcatenationLayer 객체는 다음 입력 형식과 출력 형식의 결합도 지원합니다.

입력 형식	출력 형식
"SSCT"(공간, 공간, 채널, 시간)	"SSCT"(공간, 공간, 채널, 시간)
"SSSCT"(공간, 공간, 공간, 채널, 시간)	"SSSCT"(공간, 공간, 공간, 채널, 시간)

복소수

DepthConcatenationLayer 객체는 복소수 값 입력과 출력을 지원합니다. (R2024a 이후) 계층은 기본 연산을 실수 값 입력에서와 동일하게 복소수 값 입력에 적용하며 가능한 경우 복소수 값 데이터를 출력합니다.

확장 기능

C/C++ 코드 생성
MATLAB® Coder™를 사용하여 C 코드나 C++ 코드를 생성할 수 있습니다.

GPU 코드 생성
GPU Coder™를 사용하여 NVIDIA® GPU용 CUDA® 코드를 생성할 수 있습니다.

버전 내역

R2017b에 개발됨

R2024a: 복소수 값의 입력과 출력을 지원함

DepthConcatenationLayer 객체는 복소수 값 입력과 출력을 지원합니다. 계층은 기본 연산을 실수 값 입력에서와 동일하게 복소수 값 입력에 적용하며 가능한 경우 복소수 값 데이터를 출력합니다.

참고 항목

trainnet | trainingOptions | dlnetwork | additionLayer | connectLayers | disconnectLayers | exportNetworkToSimulink | Depth Concatenation Layer

도움말 항목

• 분류를 수행하는 간단한 딥러닝 신경망 만들기
• MATLAB의 딥러닝
• 사전 훈련된 심층 신경망
• 영상 분류를 위해 잔차 신경망 훈련시키기
• 딥러닝 계층 목록