针对深度学习的针对非循环图(DAG)网络
DAG网络是一个神经网络,用于深入学习,层层被布置为定向的非循环图。DAG网络可以具有更复杂的架构,其中层具有从多个层的输入并输出到多个层。
有几种方法可以创造一个Dagnetwork.
目的:
加载掠夺网络,如挤压
那googlenet.
那resnet50.
那Resnet101.
, 要么Inceptionv3.
。例如,看到负载挤压Zenet网络。有关佩带网络的更多信息,请参阅普里德深度神经网络。
使用培训或微调网络使用Trainnetwork.
。例如,看到培训深度学习网络以分类新图像。
从Tensorflow™-Keras,Caffe或Onnx™(开放神经网络交换)模型格式导入掠夺网络。
对于keras模型,使用importKerasnetwork.
。例如,看到导入和绘图Keras网络。
对于Caffe模型,使用ImportCaffenetwork.
。例如,看到进口Caffe网络。
对于Onnx模型,使用importonnxnetwork.
。例如,看到导入ONNX网络。
笔记
要了解其他预追溯网络,请参阅普里德深度神经网络。
分析
|汇编
|分类
|googlenet.
|importKerasnetwork.
|InceptionResnetv2.
|Inceptionv3.
|分层图
|阴谋
|预测
|Resnet101.
|resnet18
|resnet50.
|系列网络
|挤压
|培训选项
|Trainnetwork.