加载预训练的SqueezeNet卷积神经网络。

网=挤压网

net = DAGNetwork with properties: Layers: [68×1 nnet.cnn.layer.Layer] Connections: [75×2 table] InputNames: {'data'} OutputNames: {'ClassificationLayer_predictions'}

导出网络网作为一个ONNX格式的文件称为squeezenet.onnx．将文件保存到当前文件夹。如果没有安装ONNX模型格式的深度学习工具箱转换器支持包，则金宝appexportONNXNetwork在外接程序资源管理器中提供到所需支持包的链接。金宝app要安装支持包，请单击链接，然后金宝app单击安装．

文件名=“squeezenet.onnx”；exportONNXNetwork(净、文件名)

现在可以导入squeezenet.onnx文件导入到任何支持ONNX导入的深度学习框架。金宝app

将有或没有输出层的层图导出为ONNX格式exportONNXNetwork．

加载一个预训练的SqueezeNet卷积神经网络，并将预训练的网络转换为层图。

网=挤压网;lgraph1 = layerGraph(net)

lgraph1 = LayerGraph与属性:图层:[68×1 nnet.cnn.layer.Layer]连接:[75×2 table] InputNames: {'data'} OutputNames: {'ClassificationLayer_predictions'}

分析层图。analyzeNetwork显示网络体系结构的交互式图形和包含有关网络层信息的表。您还可以在层图中检测错误和问题lgraph1然后导出为ONNX格式。lgraph1是无错误的。

analyzeNetwork (lgraph1)

导出图层图lgraph1作为一个ONNX格式的文件在当前文件夹称为squeezeLayers1.onnx．

exportONNXNetwork (lgraph1“squeezeLayers1.onnx”）

现在，您可以导入squeezeLayers1.onnx文件导入到任何支持ONNX导入的深度学习框架。金宝app

的输出层lgraph1．

lgraph2 = removeLayers(lgraph1,lgraph1. layers (end).Name)

lgraph2 = LayerGraph with properties: Layers: [67×1 nnet.cnn.layer.Layer] Connections: [74×2 table] InputNames: {'data'} OutputNames: {1×0 cell}

层图分析lgraph2通过使用analyzeNetwork．层图分析检测丢失的输出层和未连接的输出。你仍然可以导出lgraph2转换为ONNX格式。

analyzeNetwork (lgraph2)

导出图层图lgraph2作为一个ONNX格式的文件在当前文件夹称为squeezeLayers2.onnx．

exportONNXNetwork (lgraph2“squeezeLayers2.onnx”）

现在，您可以导入squeezeLayers2.onnx文件导入到任何支持ONNX导入的深度学习框架。金宝app