进口咖啡机

从Caffe中导入卷积神经网络层

折叠所有页面

语法

层=导入咖啡层（原型文件）

layers=importCaffeLayers（原型文件，'InputSize'，sz）

描述

实例

层=导入咖啡层(原型文件)导入Caffe的图层[1]网络函数返回在中定义的层.prototxt文件原型文件.

此功能需要深度学习工具箱™ Caffe型号进口商金宝app支持包。如果未安装此支持包，则该功能将提供下载链接。

您可以从Caffe模型动物园下载预训练网络[2].

层=导入咖啡层(原型文件，输入大小，深圳)指定输入数据的大小。如果.prototxt文件未指定输入数据的大小，则必须指定输入大小。

例子

全部崩溃

下载深度学习工具箱Caffe型号进口商金宝app支持包

此示例使用：

下载并安装Caffe模型的深度学习工具箱导入器金宝app支持包。

通过键入下载所需的支持包金宝app进口咖啡机在命令行。

进口咖啡机

如果Caffe模型的深度学习工具箱导入器金宝app如果未安装支持包，则该函数会在附加模块资源管理器中提供指向所需支持包的链接。若要安装支持包，请单击该链接，然后单击“安装”安装.

从Caffe网络导入图层

此示例使用：

指定示例文件“digitnet.prototxt”进口。

原型文件=“digitnet.prototxt”;

导入网络层。

层=导入咖啡层（原型文件）

layers=1x7层阵列和层：1“testdata”图像输入28x28x1图像2“conv1”卷积20 5x5x1卷积带跨步[1]和填充[0 0]3“relu1”ReLU ReLU 4“pool1”最大池2x2最大池带跨步[2]和填充[0]5“ip1”完全连接10个完全连接的第6层“丢失”Softmax Softmax 7“输出”分类输出交叉EntroPyex与“class1”、“class2”和8个其他类别

输入参数

全部崩溃

`原型文件`—文件名
特征向量|字符串标量

文件的文件名.prototxt包含网络体系结构的文件，指定为字符向量或字符串标量。原型文件必须在当前文件夹中，在MATLAB上的文件夹中^®路径，或者必须包含文件的完整路径或相对路径。如果.prototxt文件未指定输入数据的大小，必须使用深圳输入参数。

例子：“digitnet.prototxt”

`深圳`—输入数据的大小
行向量

输入数据的大小，指定为行向量。指定两个或三个整数值的向量[h，w]或[h，w，c]对应于输入数据的高度、宽度和通道数。

例子：[28 28 1]

输出参数

全部崩溃

`层`-网络体系结构
`层`排列|`分层图`对象

网络体系结构，返回为层数组或分层图对象以彩色图像作为输入的Caffe网络期望图像为BGR格式。进口时,，进口咖啡机修改网络，以便导入的MATLAB网络将RGB图像作为输入。

提示

进口咖啡机可以导入具有以下Caffe图层类型的网络，但有一些限制：

咖啡层	深度学习工具箱层
`批处理层`	`批处理规范化层`
`混凝土层`	`深度连接层`
`卷积层`	`卷积层`
`反褶积层`	`转置层`
`落花人`	`落花人`
`易熔层`（仅限金额）	`附加层`
`欧氏层`	`回归输出层`
`内层产品层`	`完全连接层`
`输入层`	`图像输入层`
`LRNLayer`（本地响应标准化）	`交叉信道归一化层`
`格雷耶`	`maxPooling2dLayer`或`平均池2层`
`雷卢耶`	`雷卢耶`或`漏泄层`
`鳞片层`	`批处理规范化层`
`乙状结肠`	`nnet.caffe.layer.SigmoidLayer`
`软MaxLayer`	`软MaxLayer`
`坦莱尔`	`坦莱尔`