cycleGANGenerator
描述
例子
创建CycleGAN生成器
指定网络输入大小的RGB图像大小256 - 256。
inputSize = (256 256 3);
创建一个CycleGAN发生器产生的RGB图像输入的大小。
净= cycleGANGenerator (inputSize)
网= dlnetwork属性:层:x1 nnet.cnn.layer.Layer[72]连接:[80 x2表]可学的:[94 x3表]状态:[0 x3表]InputNames: {“inputLayer”} OutputNames: {“fActivation”}初始化:1观点总结总结。
显示网络。
analyzeNetwork(净)
创建CycleGAN发生器有六个残块
指定网络输入大小的RGB图像大小128 -,- 128像素。
inputSize = (128 128 3);
创建一个CycleGAN发生器有六个残块。添加前缀“cycleGAN6_”所有层的名字。
网= cycleGANGenerator (inputSize,“NumResidualBlocks”6…“NamePrefix”,“cycleGAN6_”)
网= dlnetwork属性:层:[54 x1 nnet.cnn.layer.Layer]连接:[59 x2表]可学的:[70 x3表]状态:[0 x3表]InputNames: {“cycleGAN6_inputLayer”} OutputNames: {“cycleGAN6_fActivation”}初始化:1观点总结总结。
显示网络。
analyzeNetwork(净)
输入参数
inputSize
- - - - - -网络输入大小
正整数的转换向量
网络输入大小,指定为正整数的转换向量。inputSize
的形式(HWC),H的高度,W是宽度,C通道的数量。
例子:[28日28日3]
指定一个输入大小三路28-by-28像素的图像。
名称-值参数
指定可选的双参数作为Name1 = Value1,…,以=家
,在那里的名字
参数名称和吗价值
相应的价值。名称-值参数必须出现在其他参数,但对的顺序无关紧要。
R2021a之前,用逗号来分隔每一个名称和值,并附上的名字
在报价。
例子:“NumFiltersInFirstBlock”, 32
创建一个网络与32卷积过滤器在第一层
NumDownsamplingBlocks
- - - - - -将采样块数量
2
(默认)|正整数
网络编码器模块将采样块的数量,指定为一个正整数。总的来说,网络downsamples输入2倍^NumDownsamplingBlocks
。译码器模块由相同数量的upsampling块。
NumFiltersInFirstBlock
- - - - - -卷积过滤器的第一层
64年
(默认)|积极的偶数
指定数量的卷积过滤器在第一层,甚至是一个积极的整数。
NumOutputChannels
- - - - - -输出通道数
“汽车”
(默认)|正整数
输出通道的数量,指定为“汽车”
或者一个正整数。当你指定“汽车”
,输出通道的数量是一样的输入通道的数量。
FilterSizeInFirstAndLastBlocks
- - - - - -在第一个和最后一个卷积滤波器尺寸层
7
(默认)|积极的奇数|积极的奇数2-element向量
过滤器尺寸在第一个和最后一个卷积层,指定为一个积极的奇数的正奇数或者2-element向量的形式高度宽度]。当你指定过滤器的大小作为一个标量,过滤器有相同的高度和宽度。
FilterSizeInIntermediateBlocks
- - - - - -卷积滤波器尺寸在中间层次
3
(默认)|积极的奇数2-element向量|积极的奇数
过滤器尺寸在中间卷积层,指定为一个积极的奇数的正奇数或者2-element向量的形式高度宽度]。中间卷积层卷积层包括第一个和最后一个卷积层。当你指定过滤器的大小作为一个标量,过滤器有相同的高度和宽度。典型值是3至7。
NumResidualBlocks
- - - - - -数量的剩余块
9
(默认)|正整数
数量的残块,指定为一个正整数。通常情况下,这个值设置为6
图像的大小由- 128和128 -9
图片大小256 -的- 256或更大。
ConvolutionPaddingValue
- - - - - -风格的填充
“symmetric-exclude-edge”
(默认)|“复制”
|“symmetric-include-edge”
|数字标量
风格的网络中使用的填充,指定为一个值。
PaddingValue |
描述 | 例子 |
---|---|---|
数字标量 | 垫与指定的数值 |
|
“symmetric-include-edge” |
垫使用镜像的输入值,包括边缘值 |
|
“symmetric-exclude-edge” |
垫使用镜像的输入值,排除边缘值 |
|
“复制” |
垫使用重复的边界元素的输入 |
|
UpsampleMethod
- - - - - -方法用于upsample激活
“transposedConv”
(默认)|“bilinearResize”
|“pixelShuffle”
方法用于upsample激活,指定这些值之一:
“transposedConv”
——使用一个transposedConv2dLayer
(深度学习工具箱)的步伐(2 - 2)“bilinearResize”
——使用一个convolution2dLayer
(深度学习工具箱)的步伐[1]了resize2dLayer
的规模(2 - 2)“pixelShuffle”
——使用一个convolution2dLayer
(深度学习工具箱)的步伐[1]了depthToSpace2dLayer
的块大小(2 - 2)
数据类型:字符
|字符串
ConvolutionWeightsInitializer
- - - - - -重初始化用于卷积层
“narrow-normal”
(默认)|“glorot”
|“他”
|函数
重初始化用于卷积层,指定为“glorot”
,“他”
,“narrow-normal”
,或一个函数处理。有关更多信息,请参见指定自定义权重的初始化函数(深度学习工具箱)。
ActivationLayer
- - - - - -激活函数
“relu”
(默认)|“leakyRelu”
|“elu”
|层对象
激活功能网络中使用,指定为其中一个值。和可用的层列表的更多信息,见激活层(深度学习工具箱)。
“relu”
——使用一个reluLayer
(深度学习工具箱)“leakyRelu”
——使用一个leakyReluLayer
(深度学习工具箱)比例因子为0.2“elu”
——使用一个eluLayer
(深度学习工具箱)一层对象
FinalActivationLayer
- - - - - -最后卷积后激活函数
”“双曲正切
(默认)|“没有”
|“乙状结肠”
|“softmax”
|层对象
激活函数卷积最后层后,指定为其中一个值。和可用的层列表的更多信息,见输出层(深度学习工具箱)。
”“双曲正切
——使用一个tanhLayer
(深度学习工具箱)“乙状结肠”
——使用一个sigmoidLayer
(深度学习工具箱)“softmax”
——使用一个softmaxLayer
(深度学习工具箱)“没有”
——不使用最后一个激活层一层对象
NormalizationLayer
- - - - - -归一化操作
“实例”
(默认)|“没有”
|“批”
|层对象
规范化操作使用卷积后,指定为其中一个值。和可用的层列表的更多信息,见归一化层(深度学习工具箱)。
“实例”
——使用一个instanceNormalizationLayer
(深度学习工具箱)“批”
——使用一个batchNormalizationLayer
(深度学习工具箱)“没有”
——不使用归一化层一层对象
辍学
- - - - - -辍学的可能性
0
(默认)|数量在[0,1]
辍学的可能性,指定为在区间[0,1]。如果你指定一个值0
不包括辍学,那么网络层。如果你指定一个值大于0
,那么网络包括一个dropoutLayer
(深度学习工具箱)在每个残块。
NamePrefix
- - - - - -所有层名称前缀
”“
(默认)|字符串|特征向量
网络中的所有图层名称前缀,指定为一个字符串或字符向量。
数据类型:字符
|字符串
更多关于
CycleGAN发电机网络
cycleGAN生成器网络由一个编码器模块,后跟一个译码器模块。默认网络之前,朱等人提出的体系结构。[1]。
编码器模块downsamples输入2倍^NumDownsamplingBlocks
。编码器模块由一个初始块层,NumDownsamplingBlocks
将采样模块,NumResidualBlocks
残块。解码器模块upsamples输入2倍^NumDownsamplingBlocks
。译码器模块组成NumDownsamplingBlocks
upsampling块和最后一块。
表描述了层组成的块编码器和译码器模块。
块类型 | 层 | 默认的图块 |
---|---|---|
最初的块 |
|
|
将采样块 |
|
|
剩余块 |
|
|
Upsampling块 |
|
|
最后一块 |
|
|
引用
[1]菲利普·伊索拉朱,Jun-Yan Taesung公园和阿列克谢·a·埃。“孤Image-to-Image翻译使用Cycle-Consistent敌对的网络。”In2017年IEEE计算机视觉国际会议(ICCV),2242 - 2251。威尼斯:IEEE 2017。https://ieeexplore.ieee.org/document/8237506。
[2]朱、Jun-Yan Taesung公园,通州。“CycleGAN pix2pix PyTorch。”https://github.com/junyanz/pytorch-CycleGAN-and-pix2pix。
版本历史
介绍了R2021a
Apri esempio
如果dispone di una versione modificata di questo esempio。Desideri aprire questo esempio con le modifiche星期二吗?
第一MATLAB
海脂肪clic苏联合国collegamento切corrisponde questo第一MATLAB:
Esegui il第一inserendolo所以nella隙缝di第一MATLAB。我浏览器web非supportano金宝app comandi MATLAB。
你也可以从下面的列表中选择一个网站:
表现最好的网站怎么走吗
选择中国网站(中文或英文)最佳站点的性能。其他MathWorks国家网站不优化的访问你的位置。