深层网络设计师

设计、可视化和培训深度学习网络

全部展开到页面中

描述

Deep Network Designer应用程序允许您构建、可视化、编辑和培训深度学习网络。使用这个应用程序，你可以:

完成设计网络后，可以将其导出到工作区，在那里你可以保存或训练网络。对于图像分类的问题，你也可以培养使用Deep网络设计的网络。您可以导出的培训网络，结果到工作区。

在Deep network Designer应用程序中检查一个简单的预训练网络。

打开应用程序，选择一个预先训练过的网络。还可以通过选择设计师选项卡并单击新.如果需要下载网络，请单击安装以获取附加资源管理器的链接。

首先，尝试选择一个更快的网络，如SqueezeNet或GoogLeNet。一旦你感觉哪个设置工作得很好，尝试一个更准确的网络，如incepv3或ResNet，看看这是否改善了你的结果。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，可视化和探索网络。有关可用网络的列表以及如何进行比较，请参见预先训练的深度神经网络.

有关使用深度网络设计器构建网络的信息，请参阅使用深度网络设计器构建网络.

将图像数据导入深度网络设计器进行训练。

来导入数据到应用程序中数据选项卡上,单击导入数据.

可以从具有每个类的图像子文件夹的文件夹导入数据，也可以从imageDatastore在工作区中。

深度网络设计器提供了图像增强选项的选择。通过对数据应用随机增量，可以有效地增加训练数据的数量。如果选择增加数据，深度网络设计器会随机打乱每个epoch的训练数据。然后，每个epoch使用一个稍微不同的数据集。

深度网络设计器提供以下扩展选项:

由于某些扩展不适用于特定的数据集，因此默认情况下，深度网络设计器不会扩展数据。有关更多信息，请参见增加图像的训练与随机几何变换.

通过选择文件夹导入验证数据，或导入imageDatastore从工作空间。您还可以选择将验证数据与培训数据分开。验证数据可以帮助您监视性能并防止过度拟合。

选择培训数据的位置、指定验证数据并设置任何增强选项之后，单击进口来导入数据集。

在Deep network Designer app中编辑，准备一个网络用于转移学习。

转移学习是将一个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。您可以使用较少的训练图像将学到的特性快速转移到新任务中。因此，转移学习通常比从零开始训练一个网络更快、更容易。要使用预训练的网络进行迁移学习，您必须更改类的数量以匹配新的数据集。

开深网设计师。

deepNetworkDesigner

通过从深度网络设计器开始页面中选择它来加载一个预先训练好的网络。试着选择SqueezeNet从预训练的网络列表。请点击开放加载网络。

将最后一个可学习层和最后一个分类层替换为可转移学习的网络。

如果最后一个可学习层是2d卷积层(例如，'conv10'层挤压):
- 拖动一个新的convolutional2dLayer到画布上。设置NumFilters属性设置为类的新数目FilterSize来1,- 1.
- 删除最后一个convolutional2dLayer然后连接你的新图层。
如果最后一个可学习的层是一个完全连接的层(大多数预训练的网络，例如，GoogLeNet):
- 拖动一个新的fullyConnectedLayer在画布上设置OutputSize属性设置为新的类数。
- 删除最后一个fullyConnectedLayer然后连接你的新图层。