文档帮助中心文档
在层图中替换层
newlgraph = replaceLayer(lgraph,layerName,larray)
newlgraph = replaceLayer(lgraph,layerName,larray, 'ReconnectBy',模式)
例子
newlgraph= replaceLayer(lgraph,layerName,larray)替换层layerName在层图中lgraph与所述层中larray.
newlgraph= replaceLayer(lgraph,layerName,larray)
newlgraph
lgraph
layerName
larray
replaceLayer连接层在larray顺序并连接larray进入层图。
replaceLayer
newlgraph= replaceLayer(lgraph,layerName,larray“ReconnectBy”,模式)另外指定重新连接层的方法。
newlgraph= replaceLayer(lgraph,layerName,larray“ReconnectBy”,模式)
模式
全部收缩
定义一个简单的网络架构并绘制它。
[imageInputLayer([28 28 1],]),“名字”,“输入”)convolution2dLayer(3,16,'填充','相同的',“名字”,“conv_1”) reluLayer (“名字”,“relu_1”)additionLayer(2,“名字”,“添加”)fullyConnectedLayer(10,“名字”,'FC')softmaxLayer(“名字”,“softmax”)classificationLayer(“名字”,“classoutput”)];lgraph = layerGraph(层);Lgraph = ConnectLayers(LAPHAGE,“输入”,“添加/ in2”);图绘制(lgraph)
将网络中的ReLU层替换为批处理归一化层,然后是一个泄漏的ReLU层。
larray = [batchNormalizationLayer(“名字”,“BN1”) leakyReluLayer (“名字”,“leakyRelu_1”,'规模'0.1)];lgraph = replaceLayer (lgraph,“relu_1”, larray);情节(lgraph)
此示例使用:
这个例子展示了如何从预先训练的Keras网络导入层,用自定义层替换不支持的层,并将层组装到一个网络中准备进行预测。金宝app
进口Keras网络
从Keras网络模型导入层。网络在“digitsDAGnetwithnoise.h5”分类图像的数字。
“digitsDAGnetwithnoise.h5”
文件名=“digitsDAGnetwithnoise.h5”;lgraph = importKerasLayers(文件名,'ImportWeights',真正的);
警告:无法导入一些Keras层,因为他们没有被深度学习工具箱支持。金宝app他们已被替换占位符层。为了找到这些层,调用返回的对象的功能findPlaceholderLayers。
该Keras网络包含未通过深度学习工具箱支持的一些层。金宝app这importKerasLayers函数显示一个警告并将不支持的层替换为占位符层。金宝app
importKerasLayers
使用情节.
情节
图图(lgraph)称号(“进口网络”)
替换占位符层
要替换占位符层,首先确定要替换的层的名称。使用。查找占位符层findPlaceholderLayers.
findPlaceholderLayers
placeholderLayers = findPlaceholderLayers (lgraph)
placeholderLayers = 2×1 PlaceholderLayer阵列层:1 'gaussian_noise_1' PLACEHOLDER LAYER占位符 '高斯噪声' Keras层2 'gaussian_noise_2' PLACEHOLDER LAYER占位符 '高斯噪声' Keras层
显示这些层的Keras配置。
placeholderLayers。KerasConfiguration
ans =同场的结构:可训练:1 name: 'gaussian_noise_1' stddev: 1.5000
ans =同场的结构:可训练:1名: 'gaussian_noise_2' STDDEV:0.7000
定义一个自定义高斯噪声层。要创建这个图层,保存文件gaussianNoiseLayer.m在当前文件夹。然后,创建具有相同的结构导入的Keras层的两个高斯噪声层。
gaussianNoiseLayer.m
gnLayer1 = gaussianNoiseLayer (1.5,“new_gaussian_noise_1”);gnLayer2 = gaussianNoiseLayer(0.7,“new_gaussian_noise_2”);
使用自定义层替换占位符层replaceLayer.
lgraph = replaceLayer (lgraph,“gaussian_noise_1”, gnLayer1);lgraph = replaceLayer (lgraph,“gaussian_noise_2”,gnLayer2);
使用绘制更新的层图形情节.
图图(lgraph)称号(“替换图层的网络”)
指定类名
如果导入的分类层不包含的类,则必须预测之前,指定这些。如果你不指定类,那么软件会自动设置类1,2、……N,在那里N为类数。
1
2
N
的索引,查找分类层的索引层该层图形的属性。
层
lgraph。层
ANS = 15X1层阵列层:1 'INPUT_1' 图像输入28x28x1图像2 'conv2d_1' 卷积20个7x7x1卷积步幅[1 1]和填充 '相同' 3 'conv2d_1_relu' RELU RELU 4 'conv2d_2' 卷积20个3x3x1卷积用步幅[1 1]和填充“相同的” 5“conv2d_2_relu” RELU RELU 6“new_gaussian_noise_1”高斯噪声高斯噪声标准偏差1.5 7“new_gaussian_noise_2”高斯噪声高斯噪声标准偏差0.7 8“max_pooling2d_1”最大池2x2的最大池与步幅[2 2]和填补“相同” 9“max_pooling2d_2”最大池2x2的最大蓄留与步幅[2 2]和填补“相同” 10“flatten_1” Keras平铺展平激活成1- d假设C-式(行主)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
分类层有名称'ClassificationLayer_activation_1'.查看分类层并检查类财产。
'ClassificationLayer_activation_1'
类
CLAYER = lgraph.Layers(结束)
cLayer = ClassificationOutputLayer with properties: Name: 'ClassificationLayer_activation_1' Classes: 'auto' ClassWeights: 'none' OutputSize: 'auto' Hyperparameters LossFunction: 'crossentropyex'
因为类该层的属性是“汽车”,您必须手动指定的类。设置类0,1、……9,然后替换用新导入的分类层。
“汽车”
0
9
cLayer.Classes =串(0:9)
CLAYER = ClassificationOutputLayer与属性:名称: 'ClassificationLayer_activation_1' 类:[0 1 2 3 4 5 6 7 8 9] ClassWeights: '无' OutputSize:10超参数LossFunction: 'crossentropyex'
lgraph = replaceLayer (lgraph,'ClassificationLayer_activation_1'、粘土);
组装网络
使用assembleNetwork.该函数返回一个DAGNetwork对象是准备用于预测。
assembleNetwork
DAGNetwork
净= assembleNetwork (lgraph)
net = DAGNetwork with properties: Layers: [15x1 net.cnn.layer. layer] Connections: [15x2 table] InputNames: {'input_1'} OutputNames: {'ClassificationLayer_activation_1'}
LayerGraph
层图形,指定为LayerGraph对象。要创建图层图,请使用layerGraph.
layerGraph
要替换的层的名称,指定为字符串标量或字符向量。
网络层,指定为层数组中。
对于内置层,请参阅列表深度学习层列表.
“名字”
'命令'
方法重新连接指定为以下之一的层:
“名字”- 重新连接larray使用被替换层的输入和输出名称。对于连接到被替换层的输入的每一层,将该层重新连接到具有相同输入名称的输入larray (1).对于连接到被替换层的输出的每一层,将该层重新连接到具有相同输出名称的输出larray(结束).
larray (1)
larray(结束)
'命令'- 重新连接larray使用的输入名称的顺序larray (1)的输出名称larray(结束).重新连接到我被替换的层对的个输入我th的输入larray (1).重新连接到j被替换层的输出jth的输出larray(结束).
我
j
数据类型:char|字符串
char
字符串
输出层图,返回为LayerGraph对象。
layerGraph|findPlaceholderLayers|PlaceholderLayer|connectLayers|disconnectLayers|addLayers|removeLayers|assembleNetwork|functionLayer
PlaceholderLayer
connectLayers
disconnectLayers
addLayers
removeLayers
functionLayer
如果你有一个修改的版本,你就会喜欢它。您想再修改一下吗?
Hai Fatto Clic Su Un Collegamento Che Corlisponde A Questo Comando Matlab:
Esegui il comando inserendolo nella finestra di comando MATLAB。我浏览器web非supportano金宝app I命令MATLAB。
选择一个网站,在那里获得翻译的内容,并看到当地的活动和优惠。根据您的位置,我们建议您选择:.
您还可以从以下列表中选择一个网站:
选择中国网站(中文或英文)以获得最佳网站性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。
联系您当地的办公室