从佩带的Keras层组装网络

此示例使用：

Open Live Script

此示例显示如何从佩带的Keras网络导入图层，将不受支持的图层替换为自定义图层，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。

filename =.'digitsdagnetwithnoise.h5'; lgraph = importKerasLayers(filename,'进口重量'，真正）;

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。

The Keras network contains some layers that are not supported by Deep Learning Toolbox. TheimportKerasLayers函数显示警告并用占位符图层替换不支持的图层。金宝app

使用图层图情节。

图绘制（3）标题（"Imported Network"）

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。

PlaceHolderLayers = FindPlaceHolderLayers（Lapraph）

placeholderLayers = 2 x1 PlaceholderLayer数组智慧h layers: 1 'gaussian_noise_1' PLACEHOLDER LAYER Placeholder for 'GaussianNoise' Keras layer 2 'gaussian_noise_2' PLACEHOLDER LAYER Placeholder for 'GaussianNoise' Keras layer

显示这些图层的Keras配置。

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：培训：1名称：'Gaussian_Noise_2'STDDev：0.7000

定义自定义高斯噪声层。要创建此图层，请保存文件Gaussiannoiselayer.m.in the current folder. Then, create two Gaussian noise layers with the same configurations as the imported Keras layers.

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。

Lgraph =替换剂（LGROPE，'gaussian_noise_1'，gnlayer1）;Lgraph =替换剂（LGROPE，'gaussian_noise_2'那gnLayer2);

使用更新的图层图情节。

图绘制（3）标题（“具有替换层的网络”）

指定类名称

如果导入的分类层不包含类，则必须在预测之前指定这些。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。

通过查看来找分类层的索引层数图层图的属性。

lapraph.Layers.

ans =.15x1 Layer array with layers: 1 'input_1' Image Input 28x28x1 images 2 'conv2d_1' Convolution 20 7x7x1 convolutions with stride [1 1] and padding 'same' 3 'conv2d_1_relu' ReLU ReLU 4 'conv2d_2' Convolution 20 3x3x1 convolutions with stride [1 1] and padding 'same' 5 'conv2d_2_relu' ReLU ReLU 6 'new_gaussian_noise_1' Gaussian Noise Gaussian noise with standard deviation 1.5 7 'new_gaussian_noise_2' Gaussian Noise Gaussian noise with standard deviation 0.7 8 'max_pooling2d_1' Max Pooling 2x2 max pooling with stride [2 2] and padding 'same' 9 'max_pooling2d_2' Max Pooling 2x2 max pooling with stride [2 2] and padding 'same' 10 'flatten_1' Keras Flatten Flatten activations into 1-D assuming C-style (row-major) order 11 'flatten_2' Keras Flatten Flatten activations into 1-D assuming C-style (row-major) order 12 'concatenate_1' Depth concatenation Depth concatenation of 2 inputs 13 'dense_1' Fully Connected 10 fully connected layer 14 'activation_1' Softmax softmax 15 'ClassificationLayer_activation_1' Classification Output crossentropyex

分类层具有名称'classificationlayer_activation_1'。View the classification layer and check the班级属性。

Clayer = Lapraph.Layers（END）

cLayer = ClassificationOutputLayer with properties: Name: 'ClassificationLayer_activation_1' Classes: 'auto' OutputSize: 'auto' Hyperparameters LossFunction: 'crossentropyex'

因为这班级property of the layer is'汽车'那you must specify the classes manually. Set the classes to0.那1，......，9.那and then replace the imported classification layer with the new one.

cLayer.Classes = string(0:9)

Clayer =具有属性的ClassificationOutputLayer：名称：'ClassificationLayer_Activation_1'类：[0 1 2 3 4 5 6 7 8 9]输出：10 HyperAmeters Interfunction：'crossentropyex'

Lgraph =替换剂（LGROPE，'classificationlayer_activation_1'，粘土）;

组装网络

使用层图assembleNetwork。The function returns aDagnetwork.准备用于预测的对象。

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'}

也可以看看

从佩带的Keras层组装网络

进口Keras网络

更换占位符层

指定类名称

组装网络

也可以看看

Related Topics

深度学习工具箱文档

金宝app

Introducing Deep Learning with MATLAB