-
Notifications
You must be signed in to change notification settings - Fork 0
/
Layer.m
199 lines (179 loc) · 8.01 KB
/
Layer.m
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
classdef Layer < handle
%LAYER Summary of this class goes here
% f: funzione di attivazione
% units: numero di unità presenti nel livello
% initFunctData: cella contenente i dati della funzione di
% inizializzazione dei pesi
% W: matrice dei pesi
% out: output del livello [ out = f(net)]
% net: input della rete [net = sum(W * out) dove 'out è l'output del livello precedente e W è la matrice dei pesi tra i due livelli']
% delta: delta del livello [usato nel calcolo del gradiente]
% grad: gradiente del livello [grad = delta W = delta * out del livello precedente ]
% oldGrad: gradiente del livello dell'blocco di pattern
% precendente [usato per il momentum]
properties
f
units
initFunctData
W
out
net
delta
grad
oldGrad
end
methods
function L = Layer(f, units, varargin)
% Construct an instance of this class
% Params:
% f: funzione di attivazione
% units: numero di unità
% varargin: puo contenere una o più tra le seguenti
% informazioni nel seguente odine:
% inputUnit: il numero di unita di input cioè il
% numero di pattern ( se non si sta indicando
% il creando il primo livello della rete
% omettere questo valore)
% inizializeFunction: funzione di
% inizializzazione dei pesi della rete.
% Range di inizializzazione: range che deve
% assumere la funzione di inizializzazione
% nella creazione dei vari pesi. Se inserito
% solo un valore il range sarà [-n n]
if units <= 0
error("Number of unit in layer must be 1 or more.");
end
L.f = f;
L.units = units;
L.W = 0;
L.initFunctData = {};
if ~isempty(varargin)
if isfloat(varargin{1})
if size(varargin,2) == 1
if isscalar(varargin{1})
%primo livello, solo il numero input
L.initializeLayer(varargin{1});
else
%generico livello, le info F o Range
L.initFunctData = varargin;
end
else
%primo livello, numero input e le info F e/o Range
L.initFunctData = varargin(2:end);
L.initializeLayer(varargin{1});
end
else
%generico livello, le info F e/o Range
L.initFunctData = varargin;
end
end
L.net = 0;
L.out = 0;
L.delta = 0;
L.grad = 0;
L.oldGrad = 0;
end
function initializeLayer(L, input, varargin)
% Inizializza i pesi dei vari neuroni all'interno del livello
% Params:
% input: numero di unità di input del livello
% varargin: puo contenere una o più tra le seguenti
% informazioni nel seguente odine:
% inizializeFunction: funzione di
% inizializzazione dei pesi della rete.
% Range di inizializzazione: range che deve
% assumere la funzione di inizializzazione
% nella creazione dei vari pesi.Se inserito
% solo un valore il range sarà [-n n]
input = input + 1;
if ~isempty(L.initFunctData) && isempty(varargin)
varargin = L.initFunctData;
end
if isempty(varargin)
L.W = initialize_Rand(input, L.units, [-0.5 0.5]);
else
if isa(varargin{1}, 'function_handle')
if size(varargin, 2) == 2
if isscalar(varargin{2})
L.W = varargin{1}(input, L.units, [-varargin{2} varargin{2}]);
end
if ~isscalar(varargin{2})
L.W = varargin{1}(input, L.units, varargin{2});
end
else
L.W = varargin{1}(input, L.units, [-0.5 0.5]);
end
else
if isscalar(varargin{1})
L.W = initialize_Rand(input, L.units, [-varargin{1} varargin{1}]);
end
if ~isscalar(varargin{1})
L.W = initialize_Rand(input, L.units, varargin{1});
end
end
end
end
function wipeLayer(L)
% Effettua il wipe della rete mantenendo però inalterati gli
% hyperparametri
L.net = 0;
L.out = 0;
L.delta = 0;
L.grad = 0;
L.oldGrad = 0;
L.initializeLayer(L.inputSize);
end
function out = forward(L, pattern)
% Effettua uno step di forward tra due livelli
% le dimensioni tra input e W devono concordare
% input:
% pattern: input del livello
% return
% out: output del livello
L.net = pattern * L.W;
L.out = [L.f(L.net) ones(size(L.net,1), 1)];
out = L.out;
end
function inputSize = inputSize(L)
% Restituisce il numero di input del livello preso in considerazione
inputSize = size(L.W, 1)-1;
end
function str = layer2str(L, num)
% Costriusce una stringa con tutte le informazioni utili sul
% livello.
% Params:
% num: numero indentificatovo del livello.
str ="\n"+ num +" Livello: "+...
"\n\t Input: " + L.inputSize +...
"\n\t Units: " + L.units +...
"\n\t F Activation: " + func2str(L.f);
if isempty(L.initFunctData)
str = str + "\n\t F Initialization: initialize_Rand" +...
"\n\t\t Range: [-0,5 0.5]";
else
if size(L.initFunctData,2) == 1
if isa(L.initFunctData{1}, 'function_handle')
str = str + "\n\t F Initialization: " + func2str(L.initFunctData{1}) +...
"\n\t\t Range: [-0,5 0.5]";
else
if isscalar(L.initFunctData{1})
str = str + "\n\t F Initialization: initialize_Rand" +...
"\n\t\t Range: [-"+ L.initFunctData{1}+" "+L.initFunctData{1}+"]";
else
str = str + "\n\t F Initialization: initialize_Rand" +...
"\n\t\t Range: "+ mat2str(cell2mat(L.initFunctData(1)));
end
end
else
if isscalar(L.initFunctData{2})
str = str + "\n\t F Initialization: " + func2str(L.initFunctData{1}) +...
"\n\t\t Range: [-"+ L.initFunctData{2}+" "+L.initFunctData{2}+"]";
else
str = str + "\n\t F Initialization: " + func2str(L.initFunctData{1}) +...
"\n\t\t Range: "+ mat2str(cell2mat(L.initFunctData(2)));
end
end
end
end
end
end