深度学习的有向无环图(DAG)网络
DAG网络是一种用于深度学习的神经网络,其层排列为有向无环图。一个DAG网络可以有一个更复杂的架构,在这个架构中,各层有来自多个层的输入和向多个层的输出。
有几种方法可以创建DAGNetwork
对象:
加载一个预先训练的网络,例如squeezenet
,googlenet
,resnet50
,resnet101
,或inceptionv3
.例如,请参见负载SqueezeNet网络.有关预训练网络的更多信息,请参见预先训练的深度神经网络.
训练或微调网络使用trainNetwork
.例如,请参见训练深度学习网络对新图像进行分类.
从TensorFlow™-Keras、TensorFlow 2、Caffe或ONNX™(Open Neural network Exchange)模型格式导入预先训练的网络。
对于Keras模型,使用importKerasNetwork
.例如,请参见导入和规划凯拉斯网络.
对于保存的模型格式的TensorFlow模型,使用importTensorFlowNetwork
.例如,请参见导入张量流网络作为DAGNetwork对图像进行分类.
对于Caffe模型,使用importCaffeNetwork
.例如,请参见进口咖啡网络.
对于ONNX模型,使用importONNXNetwork
.例如,请参见将ONNX Network导入为DAGNetwork.
利用预先训练的层来组装一个深度学习网络assembleNetwork
函数。
请注意
要了解其他预先训练过的网络,请看预先训练的深度神经网络.
trainNetwork
|trainingOptions
|importKerasNetwork
|layerGraph
|分类
|预测
|情节
|googlenet
|resnet18
|resnet50
|resnet101
|inceptionv3
|inceptionresnetv2
|squeezenet
|SeriesNetwork
|analyzeNetwork
|assembleNetwork