深度网络设计器
设计、可视化和训练深度学习网络
描述
的深度网络设计器该应用程序允许您构建、可视化、编辑和培训深度学习网络。使用此应用程序，您可以：
构建、导入、编辑和组合网络。
加载预先训练的网络并编辑它们以进行迁移学习。
查看和编辑层属性，并添加新的层和连接。
对网络进行分析，确保网络架构定义正确，并在培训前发现问题。
导入并可视化数据存储和图像数据，用于培训和验证。
对图像分类训练数据进行增强，并可视化类标签的分布。
培训网络，并使用准确度、损失和验证指标图监控培训。
将经过培训的网络导出到工作区或Simulink金宝app®．
生成MATLAB®建立和培训网络的规范。
打开深层网络设计师App
MATLAB工具条:关于应用程序选项卡,在机器学习和深度学习，单击应用程序图标。
MATLAB命令提示符:输入
deepNetworkDesigner．
例子
选择预训练图像分类网络
在深度网络设计器中研究一个简单的预训练图像分类网络。
打开应用程序，选择一个预先训练的网络。您也可以通过选择加载预先训练的网络设计师选项卡并单击新．如果您需要下载网络，那么单击安装以打开附加组件资源管理器。
提示
首先，尝试选择一个速度较快的网络，如SqueezeNet或GoogLeNet。一旦你了解了哪些设置比较好，尝试一个更精确的网络，比如Inception-v3或ResNet，看看这是否能提高你的结果。有关选择预训练网络的更多信息，请参见预先训练的深度神经网络．
在设计师窗格，可视化并探索网络。有关可用的预训练网络列表以及如何比较它们，请参见预先训练的深度神经网络．
有关使用深层网络设计器构建网络的信息，请参见用深度网络设计器构建网络．
编辑迁移学习的预训练网络
通过在Deep network Designer中编辑，为迁移学习准备网络。
迁移学习是将预先训练好的深度学习网络进行微调以学习新任务的过程。您可以使用少量的训练图像快速地将学习到的特征转移到新的任务中。因此，迁移学习通常比从头开始训练一个网络更快、更容易。要使用预先训练过的网络进行迁移学习，必须更改班级数以匹配新的数据集。
使用SqueezeNet打开深层网络设计器。
deepNetworkDesigner（挤压网）
为准备迁移学习的网络，替换最后一个可学习层和最后一个分类层。对于SqueezeNet，最后一个可学习的层是一个2d卷积层，名为“conv10”．
拖动一个新的convolution2dLayer到画布上。设置FilterSize财产
1，1和NumFilters属性设置为新的类数。改变学习速度，使学习在新层比在转移层更快，通过增加加权比率因子和BiasLearnRateFactor价值观
删除最后一个convolution2dLayer然后连接你的新图层。
提示
对于大多数预先训练过的网络(例如GoogLeNet)，最后的可学习层是完全连接层。为了使网络为迁移学习做好准备，将全连接层替换为新的全连接层，并设置OutputSize属性设置为新的类数。有关示例，请参阅开始与深层网络设计师．
接下来，删除分类输出层。然后，拖动一个新的分类层然后把它连接到画布上。输出层的默认设置意味着网络在训练期间学习类的数量。
通过点击来检查你的网络分析在设计师选项卡。网络已经为训练做好了准备深度学习网络分析仪零错误报告。有关如何训练网络对新图像进行分类的示例，请参见使用Deep Network Designer进行迁移学习．
获取图层属性的帮助
为了帮助理解和编辑层属性，单击层名称旁边的帮助图标。
将自定义图层添加到网络
在Deep network Designer中将工作空间中的层添加到网络中。
在深度网络设计器中，您可以通过从图层库到设计师窗格并连接它们。控件中的网络也可以从工作区中添加自定义层设计师窗格。假设您在变量中存储了一个自定义层myCustomLayer．
点击新在设计师选项卡。
暂停从工作空间点击进口．
选择
myCustomLayer点击好吧．点击添加．
应用程序将自定义层添加到页面顶部设计师窗玻璃要查看新图层，请使用鼠标放大或单击放大．
连接myCustomLayer到网络中去设计师窗格。有关如何在深层网络设计器中使用自定义层构建网络的示例，请参见将自定义层导入Deep Network Designer．
你也可以在深度网络设计器中组合网络。例如，您可以通过将预先训练的网络与解码器子网络相结合来创建语义分割网络。
导入培训数据
将数据导入Deep Network Designer进行培训。
你可以使用数据用于导入培训和验证数据的Deep Network Designer选项卡。Deep Network Designer支持导入图像数据和数据存储对象。根据任务类型选择导入方法。金宝app
| 任务 | 数据类型 | 数据导入方法 | 可视化例子 |
|---|---|---|---|
| 图像分类 |
|
选择导入数据>导入图像数据．
您可以在“导入图像数据”对话框中选择增强选项并指定验证数据。有关更多信息，请参见导入数据到深度网络设计器． |
|
| 其他扩展的工作流程(如数字特征输入、内存不足数据、图像处理以及音频和语音处理) | 数据存储。 对于其他扩展工作流，请使用合适的数据存储对象。例如, 您可以导入和训练使用的任何数据存储对象 |
选择导入数据>导入数据存储．
可以在“导入数据存储”对话框中指定验证数据。有关详细信息，请参阅导入数据到深度网络设计器． |
|
列车网络的
使用深度网络设计器训练深度神经网络。
使用深度网络设计器，您可以使用图像数据或任何数据存储对象训练网络trainNetwork作用例如，您可以使用CombinedDatastore对象有关将数据导入Deep Network Designer的更多信息，请参阅导入数据到深度网络设计器．
要根据导入到Deep network Designer的数据对网络进行培训，请在训练选项卡上,单击火车．该应用程序会显示训练进度的动画情节。该图显示了小批损失和准确性，验证损失和准确性，以及培训进展的附加信息。这个情节有一个停止按钮
在右上角。点击按钮停止训练，返回网络当前状态。
有关更多信息，请参见使用深度网络设计器训练网络．
如果您需要更好地控制培训，请单击培训方案选择培训设置。有关选择培训选项的更多信息，请参见trainingOptions．
有关如何训练图像分类网络的示例，请参见使用Deep Network Designer进行迁移学习. 有关如何将序列训练到序列LSTM网络的示例，请参阅基于深度网络设计器的时间序列预测训练网络．
要在Deep network Designer不支持的数据上训金宝app练网络，请选择设计师选项卡,并单击出口导出初始网络架构。然后，您可以通过编程方式训练网络，例如，使用自定义训练循环。
导出网络和生成代码
将在Deep network Designer中创建的网络架构导出到工作空间或Simulink中，并生成代码来重新创建网络和培训。金宝app
将带有初始权值的网络体系结构导出到工作空间，在设计师选项卡上,单击出口．根据网络架构，深度网络设计器导出网络作为一个
LayerGraphlgraph或作为一个层对象层．要将在Deep network Designer中培训的网络导出到工作区，请在训练选项卡上,单击出口. Deep Network Designer将经过培训的网络体系结构导出为
DAGNetwork对象trainedNetwork. Deep Network Designer还将训练结果（如训练和验证精度）导出为结构数组trainInfoStruct．将在Deep network Designer中训练的网络输出到Simulink，上金宝app训练选项卡上,单击出口>出口到仿真软件金宝app. Deep Network Designer将经过训练的网络保存为MAT文件，并生成表示经过训练的网络的Simulink块。生成的块取决于训练的网络类型。金宝app
要重新创建一个网络，你构建和训练在深网络设计师，生成MATLAB代码。
重新创建网络层，在设计师选项卡上,选择出口>生成代码．
重新创建网络层，包括任何可学习的参数设计师选项卡上,选择出口>用初始参数生成代码．
要在上重新创建网络、数据导入和培训训练选项卡上,选择出口>生成用于培训的代码．
生成脚本后，可以执行以下任务。
要重新创建应用程序中创建的网络层，请运行脚本。如果生成了培训脚本，则运行该脚本也将复制网络培训。
检查代码，学习如何以编程方式创建和连接层，以及如何训练一个深层网络。
要修改层，请编辑代码。您还可以运行脚本，并将网络导入到应用程序中进行编辑。
有关更多信息，请参见从deepnetworkdesigner生成MATLAB代码．
您还可以使用生成的脚本作为起点来创建深入学习实验，这些实验将扫描一系列超参数值，或者使用贝叶斯优化来找到最佳的训练选项。例如，演示如何使用实验管理器要调优在深度网络设计器中训练过的网络的超参数，请参阅调整在Deep Network Designer中生成的代码以用于实验管理器．
相关的例子
编程使用
提示
要训练多个网络并比较结果，请尝试实验管理器．
你也可以从以下列表中选择一个网站:
