La traducción de esta página aún no se ha actualizado a la versión más reciente. Haga clic aquí para ver la última versión en inglés.

Capas personalizadas

Defina capas personalizadas de deep learning

Para la mayor parte de las tareas, puede usar capas integradas. Si no hay una capa integrada que necesita para la tarea, puede definir su propia capa personalizada. Puede definir capas personalizadas con parámetros que se puedan aprender y de estado. Después de definir una capa personalizada, puede comprobar que es válida y compatible con la GPU, y que devuelve como salida gradientes correctamente definidos. Para obtener una lista de capas compatibles, consulte Lista de capas de deep learning.

Funciones

expandir todo

Capas personalizadas

`functionLayer`	Function layer (desde R2021b)
`checkLayer`	Check validity of custom or function layer
`setLearnRateFactor`	Set learn rate factor of layer learnable parameter
`setL2Factor`	Set L₂ regularization factor of layer learnable parameter
`getLearnRateFactor`	Get learn rate factor of layer learnable parameter
`getL2Factor`	Get L₂ regularization factor of layer learnable parameter
`networkDataLayout`	Deep learning network data layout for learnable parameter initialization (desde R2022b)

Montaje de redes

`dlnetwork`	Redes neuronales de deep learning
`findPlaceholderLayers`	Find placeholder layers in network architecture imported from Keras or ONNX
`replaceLayer`	Replace layer in neural network
`PlaceholderLayer`	Layer replacing an unsupported Keras or ONNX layer

Temas

Visión general de las capas personalizadas

Definir capas de deep learning personalizadas
Aprenda a definir capas de deep learning personalizadas.
Check Custom Layer Validity
Learn how to check the validity of custom deep learning layers.

Definir capas personalizadas

Define Custom Deep Learning Layer with Learnable Parameters
This example shows how to define a SReLU layer and use it in a convolutional neural network.
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 SReLU 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 SReLU layer that supports code generation.

Composición de la red y capas anidadas

Deep Learning Network Composition
Define custom layers that contain neural networks.
Define Nested Deep Learning Layer Using Network Composition
This example shows how to define a nested custom deep learning layer.
Train Network with Custom Nested Layers
This example shows how to create and train a network with nested layers defined using network composition.
Weight Tying Using Nested Layer
This example shows how to implement weight tying using a nested layer.