create_dl_layer_inputT_create_dl_layer_inputCreateDlLayerInputCreateDlLayerInputcreate_dl_layer_input (Operator)

Name

create_dl_layer_inputT_create_dl_layer_inputCreateDlLayerInputCreateDlLayerInputcreate_dl_layer_input — Erstellen eines Eingabelayers.

Signatur

Beschreibung

Der Operator create_dl_layer_inputcreate_dl_layer_inputCreateDlLayerInputCreateDlLayerInputCreateDlLayerInputcreate_dl_layer_input erzeugt einen Eingabelayer mit räumlichen Dimensionen, die durch ShapeShapeShapeShapeshapeshape gegeben sind. Zurückgegeben wird das Handle des Eingabelayers, DLLayerInputDLLayerInputDLLayerInputDLLayerInputDLLayerInputdllayer_input.

Der Parameter LayerNameLayerNameLayerNameLayerNamelayerNamelayer_name legt einen individuellen Layernamen fest. Es ist zu beachten, dass beim Erstellen eines Modells mit create_dl_modelcreate_dl_modelCreateDlModelCreateDlModelCreateDlModelcreate_dl_model jeder Layer des erstellten Netzes einen eindeutigen Namen haben muss.

Wenn das erstellte Modell, z.B. mit apply_dl_modelapply_dl_modelApplyDlModelApplyDlModelApplyDlModelapply_dl_model oder train_dl_model_batchtrain_dl_model_batchTrainDlModelBatchTrainDlModelBatchTrainDlModelBatchtrain_dl_model_batch verwendet wird, muss eine Zuordnung der Eingabe auf den entsprechenden Eingabelayer möglich sein. Operatoren, die ein Modell anwenden, erwarten ein zuführendes Dictionary DLSample, siehe Deep Learning / Modell. Die erwähnte Zuordnung erfolgt über Dictionary-Einträge, wobei der Schlüssel mit dem Namen des Eingabelayers übereinstimmt. Eingaben für diesen Layer benötigen also einen Eintrag im Sample-Dictionary mit dem Schlüssel LayerNameLayerNameLayerNameLayerNamelayerNamelayer_name (außer wenn der 'input_type'"input_type""input_type""input_type""input_type""input_type" auf 'constant'"constant""constant""constant""constant""constant" gesetzt ist, siehe unten).

Der Parameter ShapeShapeShapeShapeshapeshape definiert die Form der Eingabewerte (die Werte, die im zuführendes Dictionary DLSample) angegeben sind und muss ein Tupel der Länge drei sein, das die Breite, Höhe und Tiefe der Eingabe enthält. Die Tupel-Werte müssen als Ganzzahl angegeben werden haben unterschiedliche je nach Eingabetyp verschiedene Bedeutungen:

• für ein Eingabebild definiert die in ShapeShapeShapeShapeshapeshape festgelegte Form des Layers die Bildgröße. Bilder müssen mit dem Typ real gegeben werden (für Informationen über Bildtypen siehe Bild).

• für ein Eingabetupel muss dessen Länge mit dem Produkt aus den Einzelwerte in ShapeShapeShapeShapeshapeshape, d.h., Breite Höhe Tiefe übereinstimmen. Die Tupelwerte werden entlang der Spalten- (Breiten-), Zeilen- (Höhen-) und Tiefen-Achsen in dieser Reihenfolge verteilt.

  Die Werte des Eingabetupels können entweder vom Typ integer oder real sein.

Die Batchgröße muss später, nachdem das Modell mit create_dl_modelcreate_dl_modelCreateDlModelCreateDlModelCreateDlModelcreate_dl_model erstellt wurde, mit set_dl_model_paramset_dl_model_paramSetDlModelParamSetDlModelParamSetDlModelParamset_dl_model_param gesetzt werden.

Die folgenden generischen Parameter GenParamNameGenParamNameGenParamNameGenParamNamegenParamNamegen_param_name und die entsprechenden Werte GenParamValueGenParamValueGenParamValueGenParamValuegenParamValuegen_param_value werden unterstützt:

'allow_smaller_tuple'"allow_smaller_tuple""allow_smaller_tuple""allow_smaller_tuple""allow_smaller_tuple""allow_smaller_tuple":

Bestimmt, ob das Eingabetupel auch weniger Werte enthalten darf als die in ShapeShapeShapeShapeshapeshape festgelegte Gesamtdimension ('true'"true""true""true""true""true") oder ob die Anzahl übereinstimmen muss ('false'"false""false""false""false""false"). Dies kann z.B. der Fall sein, wenn eine Eingabe der Anzahl von Objekten innerhalb eines Bildes entspricht und die Anzahl der Objekte sich von Bild zu Bild ändert. Sind weniger Werte vorhanden als ShapeShapeShapeShapeshapeshape zulässt, werden die verbleibenden Werte auf Null gesetzt.

ShapeShapeShapeShapeshapeshape sollte so gesetzt werden, dass es der maximal erwarteten Länge entspricht. Für das obige Beispiel wäre dies die über den gesamten Datensatz maximale Anzahl von Objekten innerhalb eines Bildes.

Default: 'false'"false""false""false""false""false".

'const_val'"const_val""const_val""const_val""const_val""const_val":

Konstanter Ausgabewert.

Restriktion: Nur eine Ganzzahl oder Fließkommazahl kann gesetzt werden. Dieser Wert ist nur setzbar oder abrufbar, wenn 'input_type'"input_type""input_type""input_type""input_type""input_type" = 'constant'"constant""constant""constant""constant""constant".

Default: 0.0.

'input_type'"input_type""input_type""input_type""input_type""input_type":

Definiert den Typ der erwarteten Eingabe. Die folgenden Werte sind möglich:

'default'"default""default""default""default""default":

Der Layer erwartet eine der Batchgröße entsprechende Anzahl Eingabebilder.

'region_to_bin'"region_to_bin""region_to_bin""region_to_bin""region_to_bin""region_to_bin":

Der Layer erwartet ein Tupel von Regionen als Eingabe und konvertiert es intern in ein Binärbild, in dem jede Region in einem Tiefenkanal kodiert ist. Regionen werden gekürzt, wenn sie über die in ShapeShapeShapeShapeshapeshape festgelegte Breite oder Höhe hinaus gehen. Die maximale Anzahl der Regionen wird durch die Tiefe von ShapeShapeShapeShapeshapeshape festgelegt. Werden weniger Regionen gegeben, wird die Ausgabe mit leeren Bildern (mit Nullen) aufgefüllt. Zum Beispiel kann dies der Fall sein, wenn die Regionen Objekten innerhalb eines Bildes entsprechen und die Anzahl der Objekte sich von Bild zu Bild ändert.

'constant'"constant""constant""constant""constant""constant":

Dieser Layer erwartet kein Schlüssel-Wert-Paar im Eingabe-Dictionary. Stattdessen werden alle Einträge innerhalb der Ausgabe dieses Layers mit dem für 'const_val'"const_val""const_val""const_val""const_val""const_val" angegebenen Wert gefüllt.

Default: 'default'"default""default""default""default""default".

'is_inference_output'"is_inference_output""is_inference_output""is_inference_output""is_inference_output""is_inference_output":

Bestimmt, ob apply_dl_modelapply_dl_modelApplyDlModelApplyDlModelApplyDlModelapply_dl_model die Ausgabe dieses Layers im Dictionary DLResultBatchDLResultBatchDLResultBatchDLResultBatchDLResultBatchdlresult_batch zurückgibt, auch ohne den Layer in OutputsOutputsOutputsOutputsoutputsoutputs anzugeben ('true'"true""true""true""true""true"), oder nur falls er angegeben wird ('false'"false""false""false""false""false").

Default: 'false'"false""false""false""false""false"

Bestimmte Parameter von Layern, die mit create_dl_layer_inputcreate_dl_layer_inputCreateDlLayerInputCreateDlLayerInputCreateDlLayerInputcreate_dl_layer_input erzeugt wurden, können mit weiteren Operatoren gesetzt und abgerufen werden. Die folgenden Tabellen geben einen Überblick, welche Parameter mit set_dl_model_layer_paramset_dl_model_layer_paramSetDlModelLayerParamSetDlModelLayerParamSetDlModelLayerParamset_dl_model_layer_param gesetzt werden können und welche mit get_dl_model_layer_paramget_dl_model_layer_paramGetDlModelLayerParamGetDlModelLayerParamGetDlModelLayerParamget_dl_model_layer_param oder get_dl_layer_paramget_dl_layer_paramGetDlLayerParamGetDlLayerParamGetDlLayerParamget_dl_layer_param ausgelesen werden können. Es ist zu beachten, dass die Operatoren set_dl_model_layer_paramset_dl_model_layer_paramSetDlModelLayerParamSetDlModelLayerParamSetDlModelLayerParamset_dl_model_layer_param und get_dl_model_layer_paramget_dl_model_layer_paramGetDlModelLayerParamGetDlModelLayerParamGetDlModelLayerParamget_dl_model_layer_param ein Modell benötigen, das mit create_dl_modelcreate_dl_modelCreateDlModelCreateDlModelCreateDlModelcreate_dl_model erzeugt wurde.

Ausführungsinformationen

• Multithreading-Typ: reentrant (läuft parallel zu nicht-exklusiven Operatoren).
• Multithreading-Bereich: global (kann von jedem Thread aufgerufen werden).
• Wird ohne Parallelisierung verarbeitet.

Dieser Operator liefert ein Handle zurück. Es ist zu beachten, dass der Zustand einer Instanz dieses Handletyps durch bestimmte Operatoren geändert werden kann, obwohl das Handle als Eingabeparameter in diesen Operatoren verwendet wird.

Parameter

Beispiel (HDevelop)

* Create a model for summation.
create_dl_layer_input ('input_a', [2, 3, 4], [], [], DLLayerInputA)
create_dl_layer_input ('input_b', [2, 3, 4], [], [], DLLayerInputB)
create_dl_layer_elementwise ([DLLayerInputA, DLLayerInputB], 'sum', \
                              'sum', [], [], [], DLLayerElementWise)
create_dl_model (DLLayerElementWise, DLModel)
set_dl_model_param (DLModel, 'runtime', 'cpu')
*
* Add 'input_a' as an inference model output.
set_dl_model_layer_param (DLModel, 'input_a', 'is_inference_output', 'true')
*
* Feed input data as tuple (a) or image (b).
create_dict (Sample)
set_dict_tuple (Sample, 'input_a', [1:(2*3*4)])
gen_empty_obj (InputB)
for I := 1 to 4 by 1
    gen_image_const (Channel, 'real', 2, 3)
    get_region_points (Channel, Rows, Cols)
    set_grayval (Channel, Rows, Cols, gen_tuple_const(|Rows|, I))
    append_channel (InputB, Channel, InputB)
endfor
set_dict_object (InputB, Sample, 'input_b')
*
* Apply the model for summation and get results.
set_dl_model_param (DLModel, 'batch_size', 2)
apply_dl_model (DLModel, [Sample,Sample], [], Result)
get_dict_object (Sum, Result[0], 'sum')
get_dict_object (TupleInputA, Result[1], 'input_a')

Nachfolger

create_dl_layer_activationcreate_dl_layer_activationCreateDlLayerActivationCreateDlLayerActivationCreateDlLayerActivationcreate_dl_layer_activation, create_dl_layer_batch_normalizationcreate_dl_layer_batch_normalizationCreateDlLayerBatchNormalizationCreateDlLayerBatchNormalizationCreateDlLayerBatchNormalizationcreate_dl_layer_batch_normalization, create_dl_layer_class_id_conversioncreate_dl_layer_class_id_conversionCreateDlLayerClassIdConversionCreateDlLayerClassIdConversionCreateDlLayerClassIdConversioncreate_dl_layer_class_id_conversion, create_dl_layer_class_id_conversioncreate_dl_layer_class_id_conversionCreateDlLayerClassIdConversionCreateDlLayerClassIdConversionCreateDlLayerClassIdConversioncreate_dl_layer_class_id_conversion, create_dl_layer_concatcreate_dl_layer_concatCreateDlLayerConcatCreateDlLayerConcatCreateDlLayerConcatcreate_dl_layer_concat, create_dl_layer_convolutioncreate_dl_layer_convolutionCreateDlLayerConvolutionCreateDlLayerConvolutionCreateDlLayerConvolutioncreate_dl_layer_convolution, create_dl_layer_densecreate_dl_layer_denseCreateDlLayerDenseCreateDlLayerDenseCreateDlLayerDensecreate_dl_layer_dense, create_dl_layer_depth_maxcreate_dl_layer_depth_maxCreateDlLayerDepthMaxCreateDlLayerDepthMaxCreateDlLayerDepthMaxcreate_dl_layer_depth_max, create_dl_layer_dropoutcreate_dl_layer_dropoutCreateDlLayerDropoutCreateDlLayerDropoutCreateDlLayerDropoutcreate_dl_layer_dropout, create_dl_layer_elementwisecreate_dl_layer_elementwiseCreateDlLayerElementwiseCreateDlLayerElementwiseCreateDlLayerElementwisecreate_dl_layer_elementwise, create_dl_layer_loss_cross_entropycreate_dl_layer_loss_cross_entropyCreateDlLayerLossCrossEntropyCreateDlLayerLossCrossEntropyCreateDlLayerLossCrossEntropycreate_dl_layer_loss_cross_entropy, create_dl_layer_loss_ctccreate_dl_layer_loss_ctcCreateDlLayerLossCtcCreateDlLayerLossCtcCreateDlLayerLossCtccreate_dl_layer_loss_ctc, create_dl_layer_loss_distancecreate_dl_layer_loss_distanceCreateDlLayerLossDistanceCreateDlLayerLossDistanceCreateDlLayerLossDistancecreate_dl_layer_loss_distance, create_dl_layer_loss_focalcreate_dl_layer_loss_focalCreateDlLayerLossFocalCreateDlLayerLossFocalCreateDlLayerLossFocalcreate_dl_layer_loss_focal, create_dl_layer_loss_hubercreate_dl_layer_loss_huberCreateDlLayerLossHuberCreateDlLayerLossHuberCreateDlLayerLossHubercreate_dl_layer_loss_huber, create_dl_layer_lrncreate_dl_layer_lrnCreateDlLayerLrnCreateDlLayerLrnCreateDlLayerLrncreate_dl_layer_lrn, create_dl_layer_poolingcreate_dl_layer_poolingCreateDlLayerPoolingCreateDlLayerPoolingCreateDlLayerPoolingcreate_dl_layer_pooling, create_dl_layer_reshapecreate_dl_layer_reshapeCreateDlLayerReshapeCreateDlLayerReshapeCreateDlLayerReshapecreate_dl_layer_reshape, create_dl_layer_softmaxcreate_dl_layer_softmaxCreateDlLayerSoftmaxCreateDlLayerSoftmaxCreateDlLayerSoftmaxcreate_dl_layer_softmax, create_dl_layer_transposed_convolutioncreate_dl_layer_transposed_convolutionCreateDlLayerTransposedConvolutionCreateDlLayerTransposedConvolutionCreateDlLayerTransposedConvolutioncreate_dl_layer_transposed_convolution, create_dl_layer_zoom_factorcreate_dl_layer_zoom_factorCreateDlLayerZoomFactorCreateDlLayerZoomFactorCreateDlLayerZoomFactorcreate_dl_layer_zoom_factor, create_dl_layer_zoom_sizecreate_dl_layer_zoom_sizeCreateDlLayerZoomSizeCreateDlLayerZoomSizeCreateDlLayerZoomSizecreate_dl_layer_zoom_size, create_dl_layer_zoom_to_layer_sizecreate_dl_layer_zoom_to_layer_sizeCreateDlLayerZoomToLayerSizeCreateDlLayerZoomToLayerSizeCreateDlLayerZoomToLayerSizecreate_dl_layer_zoom_to_layer_size

Modul

Deep Learning Training