densenet201

DenseNet-201卷积神经网络

全页折叠

语法

网= densenet201
网= densenet201(“权重”,“imagenet”)
lgraph = densenet201(“权重”,“没有一个”)

描述

DenseNet-201是一个深度为201层的卷积神经网络。您可以从ImageNet数据库中加载经过训练的网络的预训练版本，该版本包含了100多万张图像[1].这个预先训练好的网络可以将图像分成1000个对象类别，比如键盘、鼠标、铅笔和许多动物。因此，该网络学会了丰富的特征表示，为广泛的图像。网络的图像输入大小为224×224。用于MATLAB中更多的预训练网络®,请参阅预先训练的深度神经网络.

您可以使用分类使用DenseNet-201模型对新图像进行分类。遵循以下步骤使用GoogLeNet对图像进行分类用DenseNet-201取代GoogLeNet。

要对网络进行新的分类任务再培训，请遵循以下步骤训练深度学习网络对新图像进行分类装载DenseNet-201而不是GoogLeNet。

例子

净= densenet201返回一个在ImageNet数据集上训练的DenseNet-201网络。

此功能需要DenseNet-201网络支持包的深度学习工具箱™模型。金宝app如果未安装此支持金宝app包，则该函数提供下载链接。

净= densenet201(“权重”,“imagenet”)返回一个在ImageNet数据集上训练的DenseNet-201网络网= densenet201.

lgraph= densenet201(“权重”,“没有”)返回未经训练的DenseNet-201网络架构。未经训练的模型不需要支持包。金宝app

例子

全部折叠

下载并安装深度学习工具箱模型densenet - 201网络金宝app支持包。

类型densenet201在命令行。

densenet201

如果深度学习工具箱模型densenet - 201网络金宝app未安装支持包，则该函数在加载项资源管理器中提供到所需支持包的链接。要安装支持包，请单击链接，然后金宝app单击安装.通过键入检查安装是否成功densenet201在命令行。如果安装了所需的支持包，则该函数金宝app返回DAGNetwork对象。

densenet201
属性:Layers:[709×1 nnet.cn .layer. layer. layer]连接:[806×2 table]

输出参数

全部折叠

训练前的DenseNet-201卷积神经网络，作为a返回DAGNetwork对象。

未经训练的DenseNet-201卷积神经网络架构，以a的形式返回LayerGraph对象。

参考文献

[1]ImageNet.http://www.image-net.org

黄，高，刘庄，劳伦斯·范·德·马顿，和Kilian Q. Weinberger。“紧密相连的卷积网络。”InCVPR，第1卷，第1期。2,p。3。2017.

扩展功能

另请参阅

|||||||||||||

主题

介绍了R2018a

深度学习工具箱文档
金宝app
介绍用MATLAB进行深度学习

介绍用MATLAB进行深度学习

下载电子书