replaceLayer

在层图中替换层

折叠所有页面

语法

newlgraph = replaceLayer（lgraph，layerName，larray）

newlgraph = replaceLayer（lgraph，layerName，larray， 'ReconnectBy'，模式）

描述

例子

newlgraph= replaceLayer（lgraph，layerName，larray）替换层layerName在层图中lgraph与所述层中larray．

replaceLayer连接层在larray顺序并连接larray进入层图。

例子

newlgraph= replaceLayer（lgraph，layerName，larray“ReconnectBy”,模式）另外指定重新连接层的方法。

例子

全部收缩

替换层图形层

打开直播脚本

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)

图中包含一个轴对象。axis对象包含一个graphplot类型的对象。

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)

图中包含一个轴对象。axis对象包含一个graphplot类型的对象。

从预先训练的Keras层组装网络

此示例使用：

打开直播脚本

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。

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

使用情节．

图图（lgraph）称号（“进口网络”）

图中包含一个轴对象。标题为“导入网络”的axis对象包含一个graphplot类型的对象。

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．

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。

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”）

图中包含一个轴对象。标题为“替换层网络”的axis对象包含一个graphplot类型的对象。

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。

的索引，查找分类层的索引层该层图形的属性。

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。

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。

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。

净= assembleNetwork (lgraph)

net = DAGNetwork with properties: Layers: [15x1 net.cnn.layer. layer] Connections: [15x2 table] InputNames: {'input_1'} OutputNames: {'ClassificationLayer_activation_1'}

输入参数

全部收缩

`lgraph`- - - - - -层图
`LayerGraph`对象

层图形，指定为LayerGraph对象。要创建图层图，请使用layerGraph．

`layerName`- - - - - -要替换的图层名称
字符串标量|特征向量

要替换的层的名称，指定为字符串标量或字符向量。

`larray`- - - - - -网络层
`层`数组

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．

`模式`- - - - - -方法重新连接层
`“名字”`(默认)|`'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)．
'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)．