이 번역 페이지는 최신 내용을 담고 있지 않습니다. 최신 내용을 영문으로 보려면 여기를 클릭하십시오.

realToComplexLayer

R2026a

실수-복소수 계층

R2024b 이후

설명

실수-복소수 계층은 지정된 차원의 데이터를 병합하여 실수 값 데이터를 복소수 값 데이터로 변환합니다.

생성

구문

layer = realToComplexLayer

layer = realToComplexLayer(Name=Value)

설명

layer = realToComplexLayer는 실수-복소수 계층을 만듭니다. 이 계층은 채널 차원에서 인터리빙된 데이터를 병합합니다.

layer = realToComplexLayer(Name=Value)는 하나 이상의 이름-값 인수를 사용하여 속성을 설정합니다.

이름-값 인수

선택적 인수 쌍을 Name1=Value1,...,NameN=ValueN으로 지정합니다. 여기서 Name은 인수 이름이고 Value는 대응값입니다. 이름-값 인수는 다른 인수 뒤에 와야 하지만, 인수 쌍의 순서는 상관없습니다.

예: realToComplexLayer(Name="real-to-complex")는 실수-복소수 계층을 만들고 이름을 "real-to-complex"로 설정합니다.

OperationDimension — 병합할 데이터 차원

"C" (디폴트 값) | "S" | "B" | "T" | "U" | "last" | 양의 정수 | "last"

병합할 데이터 차원으로, 다음 값 중 하나로 지정됩니다.

• "C" — 계층 출력값의 "C"(채널) 차원에서 데이터를 병합합니다.

• "S" — 계층 출력값의 "S"(공간) 차원에서 데이터를 병합합니다. 입력 데이터의 공간 차원이 여러 개인 경우 계층은 첫 번째 공간 차원에서 인터리빙된 데이터를 병합합니다.

• "B" — 계층 출력값의 "B"(배치) 차원에서 데이터를 병합합니다.

• "T" — 계층 출력값의 "T"(시간) 차원에서 데이터를 병합합니다.

• "U" — 계층 출력값의 "U"(지정되지 않음) 차원에서 데이터를 병합합니다. 입력 데이터의 "U"(지정되지 않음) 차원이 여러 개인 경우 계층은 첫 번째 "U"(지정되지 않음) 차원에서 인터리빙된 데이터를 병합합니다.

• "last" — 계층 출력값의 마지막 차원에서 인터리빙된 데이터를 병합합니다.

• 양의 정수 — 계층 출력값의 지정된 차원에서 인터리빙된 데이터를 병합합니다.

계층 출력값에서 OperationDimension으로 지정된 차원은 계층 입력값에서 그에 대응하는 차원 크기의 1/2배입니다. 즉, n=1,...,N/2에 대해 Y(n) = X(2*n-1)+1i*X(2*n)입니다. 여기서 N은 지정된 차원의 크기이고 X와 Y는 각각 입력 데이터와 출력 데이터를 나타냅니다.

입력 데이터에는 지정된 차원이 포함되어야 하고, 그 차원의 크기는 2로 나눌 수 있어야 합니다.

문자 "S", "C", "T", "B", "U"는 dlarray 객체 형식의 차원 레이블을 가리킵니다. 자세한 내용은 Deep Learning Data Formats 항목을 참조하십시오.

데이터형: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64 | char | string

Name — 계층 이름

"" (디폴트 값) | 문자형 벡터 | string형 스칼라

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

데이터형: char | string

속성

OperationDimension — 연산 차원

"C" (디폴트 값) | "S" | "B" | "T" | "U" | "last" | 양의 정수

병합할 데이터 차원으로, 다음 값 중 하나로 지정됩니다.

• "C" — 계층 출력값의 "C"(채널) 차원에서 데이터를 병합합니다.

• "S" — 계층 출력값의 "S"(공간) 차원에서 데이터를 병합합니다. 입력 데이터의 공간 차원이 여러 개인 경우 계층은 첫 번째 공간 차원에서 인터리빙된 데이터를 병합합니다.

• "B" — 계층 출력값의 "B"(배치) 차원에서 데이터를 병합합니다.

• "T" — 계층 출력값의 "T"(시간) 차원에서 데이터를 병합합니다.

• "U" — 계층 출력값의 "U"(지정되지 않음) 차원에서 데이터를 병합합니다. 입력 데이터의 "U"(지정되지 않음) 차원이 여러 개인 경우 계층은 첫 번째 "U"(지정되지 않음) 차원에서 인터리빙된 데이터를 병합합니다.

• "last" — 계층 출력값의 마지막 차원에서 인터리빙된 데이터를 병합합니다.

• 양의 정수 — 계층 출력값의 지정된 차원에서 인터리빙된 데이터를 병합합니다.

계층 출력값에서 OperationDimension으로 지정된 차원은 계층 입력값에서 그에 대응하는 차원 크기의 1/2배입니다. 즉, n=1,...,N/2에 대해 Y(n) = X(2*n-1)+1i*X(2*n)입니다. 여기서 N은 지정된 차원의 크기이고 X와 Y는 각각 입력 데이터와 출력 데이터를 나타냅니다.

입력 데이터에는 지정된 차원이 포함되어야 하고, 그 차원의 크기는 2로 나눌 수 있어야 합니다.

문자 "S", "C", "T", "B", "U"는 dlarray 객체 형식의 차원 레이블을 가리킵니다. 자세한 내용은 Deep Learning Data Formats 항목을 참조하십시오.

데이터형: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64 | char | string

Name — 계층 이름

'' (디폴트 값) | 문자형 벡터

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

데이터형: char

NumInputs — 입력값의 개수

읽기 전용: 1 (디폴트 값)

읽기 전용 속성입니다.

계층에 대한 입력값의 개수로, 1로 저장됩니다. 이 계층은 단일 입력값만 받습니다.

데이터형: double

InputNames — 입력값 이름

읽기 전용: {'in'} (디폴트 값)

읽기 전용 속성입니다.

입력값 이름으로, {'in'}으로 저장됩니다. 이 계층은 단일 입력값만 받습니다.

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

실수-복소수 계층 만들기

이름이 "real-to-complex"인 실수-복소수 계층을 만듭니다.

layer = realToComplexLayer(Name="real-to-complex")

layer = 
  RealToComplexLayer with properties:

                  Name: 'real-to-complex'

   Hyperparameters
    OperationDimension: 'C'

계층 배열에 실수-복소수 계층을 포함시킵니다.

layers = [
    featureInputLayer(4)
    complexToRealLayer
    fullyConnectedLayer(4)
    tanhLayer
    realToComplexLayer]

layers = 
  5×1 Layer array with layers:

     1   ''   Feature Input     4 features
     2   ''   Complex-to-Real   Complex-to-real conversion along the "C" dimension.
     3   ''   Fully Connected   Fully connected layer with output size 4
     4   ''   Tanh              Hyperbolic tangent
     5   ''   Real-to-Complex   Real-to-complex conversion along the "C" dimension.

알고리즘

계층 입력 형식 및 출력 형식

계층 배열 또는 계층 그래프의 계층 대부분은 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.

RealToComplexLayer 객체는 모든 형식의 입력 데이터를 지원합니다. 이 계층은 차원을 추가하거나 제거하지 않으므로 입력값과 같은 형식을 갖는 데이터가 출력됩니다.

복소수

RealToComplexLayer 객체는 복소수 값 출력을 지원합니다.

버전 내역

R2024b에 개발됨

참고 항목

complexToRealLayer | trainnet | trainingOptions | dlnetwork | reshapeLayer | permuteLayer | complexReluLayer

도움말 항목

• Train Network with Complex-Valued Data
• 1차원 컨벌루션을 사용한 시퀀스 분류
• 딥러닝을 사용한 시퀀스 분류
• 딥러닝을 사용한 sequence-to-sequence 분류
• 딥러닝을 사용한 sequence-to-sequence 회귀
• 딥러닝을 사용한 sequence-to-one 회귀
• 딥러닝 계층 목록