将自定义层导入Deep Network Designer

打开实时脚本

此示例演示如何导入具有平方和误差（SSE）损失的自定义分类输出层，并将其添加到Deep network Designer中的预训练网络。

定义自定义分类输出层。若要创建此层，请保存文件SSeClassionLayer.m在当前文件夹中。有关构造此层的详细信息，请参阅定义自定义分类输出层.

创建图层的实例。

SSeClassionLayer=SSeClassionLayer(“sse”);

使用预先训练的GoogLeNet网络打开Deep Network Designer。

deepNetworkDesigner（谷歌网）；

为了适应预先训练的网络，用适应新数据集的新层替换最后一个可学习层和最终分类层“loss3分类器”和“输出”分别地

在设计师窗格中，拖动一个新的完全连接层从图层库放在画布上，开始输出大小对于新的类数，在本例中，2..

编辑学习速率，使新层的学习速度比转移层更快。设置加权比率因子和双线性学习因子到10。删除最后一个完全连接的图层，然后连接新图层。

接下来，用自定义分类输出层替换输出层。单击新的在设计师窗玻璃暂停从工作空间点击进口。要导入自定义分类图层，请选择SSE分类层点击好啊.

通过单击将层添加到当前GoogLeNet预训练网络添加. 应用程序将自定义层添加到页面顶部设计师窗格。要查看新图层，请使用鼠标放大或单击放大.

将自定义图层拖动到图形的底部设计师窗格。用新的分类输出层替换输出层并连接新层。

通过单击来检查您的网络分析。如果深度学习网络分析仪报告零错误，则网络已准备好接受培训。

构建网络后，即可导入数据并进行培训。有关在Deep network Designer中导入数据和培训的更多信息，请参阅使用Deep Network Designer进行迁移学习.

另见

下载电子书