您可以为问题定义自己的自定义深度学习层。您可以使用自定义输出层指定自定义损失函数,并在有或没有可学习参数的情况下定义自定义层。定义自定义层后,您可以检查该层是否有效,GPU兼容并正确定义梯度。
此示例显示了如何定义预鲁层并在卷积神经网络中使用它。
此示例显示了如何定义自定义加权添加层并将其在卷积神经网络中使用。
此示例显示了如何用格式定义自定义层Dlarray
输入。
此示例显示了如何定义窥镜LSTM层并将其用于神经网络。
此示例显示了如何定义PRELU层并指定自定义后退函数。
此示例显示了如何定义支持代码生成的PRELU层。金宝app
此示例显示了如何从预处理的KERAS网络中导入层,用自定义层代替不支持的图层,然后将图层组装到准备预测的网络中。金宝app
此示例显示了如何从验证的KERAS网络中导入层,用功能层替换未支撑的层,然后将图层组装到准备预测的网络中。金宝app
此示例显示了如何使用正方形误差(SSE)损失之和定义自定义分类输出层并将其用于卷积神经网络。
此示例显示了如何定义具有平均绝对误差(MAE)损失的自定义回归输出层,并将其在卷积神经网络中使用。
此示例显示了如何使用平方误差总和(SSE)损失的定义自定义分类输出层并指定自定义的后退损失函数。