文件帮助中心文件
从佩带的层组装深度学习网络
assembledNet = assembleNetwork(层)
assembleNetwork在没有训练的情况下从层次创建深度学习网络。
assembleNetwork
使用assembleNetwork有关以下任务:
将层阵列或层图转换为可供预测的网络。
从导入的图层组装网络。
修改培训网络的权重。
从头划船训练网络,使用Trainnetwork..
Trainnetwork.
例子
assembledNet= assemblenetwork(层数)组装图层阵列或图层图层数变成一个深度学习网络,准备用于预测。
assembledNet= assemblenetwork(层数)
assembledNet
层数
全部收缩
此示例使用:
将图层从佩带的keras网络导入,用自定义图层替换不支持的图层,并将图层组装到准备预测的网络中。金宝app
进口Keras网络
从KERAS网络模型导入图层。网络in.'digitsdagnetwithnoise.h5'分类数字图像。
'digitsdagnetwithnoise.h5'
filename =.'digitsdagnetwithnoise.h5';lgraph = importKerasLayers(文件名,'进口重量',真的);
警告:无法导入某些keras图层,因为深度学习工具箱不支持它们。金宝app他们已被占位符层所取代。要查找这些图层,请在返回的对象上调用FindPlaceHolderLayers。
Keras网络包含一些不被深度学习工具箱™支持的层。金宝app的importKerasLayers函数显示警告并用占位符图层替换不支持的图层。金宝app
importKerasLayers
更换占位符层
要替换占位符,请先识别要替换的图层的名称。查找占位符层使用findPlaceholderLayers并显示他们的Keras配置。
findPlaceholderLayers
PlaceHolderLayers = FindPlaceHolderLayers(LGraph);placeholderlayers.kerasconfiguration.
ans =.结构与字段:培训:1名称:'Gaussian_Noise_1'STDDEV:1.5000
ans =.结构与字段:Trainable: 1 name: 'gaussian_noise_2' stddev: 0.7000
通过保存文件来定义自定义高斯噪声层Gaussiannoiselayer.m.在当前文件夹中。然后,创建两个高斯噪声层与导入Keras层相同的配置。
Gaussiannoiselayer.m.
gnlayer1 =高斯登机会(1.5,'new_gaussian_noise_1');gnLayer2 = gaussianNoiseLayer (0.7,'new_gaussian_noise_2');
使用自定义图层替换占位符层替换剂.
替换剂
Lgraph =替换剂(LGROPE,'gaussian_noise_1',gnlayer1);Lgraph =替换剂(LGROPE,'gaussian_noise_2', gnLayer2);
指定类名
导入的分类层不包含类,因此必须在组装网络之前指定这些。如果未指定类,则软件会自动将类设置为1那2,......,N., 在哪里N.是课程的数量。
1
2
N.
分类层具有名称'classificationlayer_activation_1'.将课程设置为0.那1,......,9.,然后用新的分类层替换导入的分类层。
'classificationlayer_activation_1'
0.
9.
Clayer = Lapraph.Layers(END);clayer.classes = string(0:9);Lgraph =替换剂(LGROPE,'classificationlayer_activation_1',粘土);
组装网络
使用层图assembleNetwork.函数返回Dagnetwork.对象,可用于预测。
Dagnetwork.
net = assemblenetwork(lgraph)
net =具有属性的dagnetwork:图层:[15x1 nnet.cnn.layer.layer]连接:[15x2表]输入名称:{'input_1'} OutputNames:{'classificationLayer_activation_1'}
层
分层图
网络层,指定为层阵列或A.分层图对象。
要使用顺序连接的所有图层创建网络,可以使用a层数组作为输入参数。在本例中,返回的网络是系列网络对象。
系列网络
有向无环图(DAG)网络具有复杂的结构,其中层可以有多个输入和输出。创建DAG网络时,将网络架构指定为分层图对象,然后使用该层图作为输入参数assembleNetwork.
有关内置层的列表,请参见深度学习层名单.
组装网络准备好预测,作为一个返回系列网络对象或一个Dagnetwork.对象。返回的网络取决于层数输入参数:
如果层数是A.层然后阵列assembledNet是A.系列网络对象。
如果层数是A.分层图对象,然后assembledNet是A.Dagnetwork.对象。
findPlaceholderLayers|importKerasLayers|importKerasNetwork|替换剂|Trainnetwork.
importKerasNetwork
您有此示例的修改版本。您是否希望使用您的编辑打开此示例?
您单击了与此MATLAB命令对应的链接:
在MATLAB命令窗口中输入它来运行命令。Web浏览器不支持MATLAB命令。金宝app
选择一个网站,以便在可用的地方进行翻译的内容,并查看本地活动和优惠。根据您的位置,我们建议您选择:.
你也可以从以下列表中选择一个网站:
选择中国网站(以中文或英文)以获取最佳网站性能。其他MathWorks国家网站未优化您的位置。
联系您当地的办公室