多输入和多输出网络

在深度学习工具箱™中，您可以定义具有多个输入的网络架构（例如，在多个源和数据类型上培训的网络）或多个输出（例如，预测分类和回归响应的网络）。

多输入网络

当网络需要来自多个源或不同格式时，在具有多个输入的网络定义网络。例如，需要在不同分辨率下从多个传感器捕获的图像数据的网络。金宝搏官方网站

训练

要定义和培训具有多个输入的深度学习网络，请使用a指定网络架构分层图物体和火车使用Trainnetwork.使用数据存储区输入。

要使用具有多个输入图层的网络的数据存储，请使用结合和转变函数创建输出单元数组的数据存储（numinputs.+ 1）列，在哪里numinputs.是网络输入的数量。在这种情况下，第一个numinputs.列为每个输入指定预测器，最后一列指定响应。输入的顺序由输入名称层图的属性层数。

提示

如果网络还有多个输出，那么您必须使用自定义训练循环。有关更多信息，请参阅多输出网络。