自定义层导入深度网络设计师
这个例子展示了如何导入自定义分类输出层的误差平方和损失(SSE)并将它添加到一个pretrained网络深陷网络设计师。
定义一个自定义分类输出层。创造这一层,保存文件sseClassificationLayer.m
在当前文件夹。在构建这一层的更多信息,见自定义分类输出层。
创建一个实例的层。
sseClassificationLayer = sseClassificationLayer (上交所的);
开放深度网络设计师pretrained GoogLeNet网络。
deepNetworkDesigner (googlenet);
适应pretrained网络,取代过去可学的一层一层和最后的分类与新层适应新的数据集。在GoogLeNet,这些层的名字“loss3-classifier”
和“输出”
,分别。
在设计师窗格中,拖一个新的fullyConnectedLayer
从层的图书馆到画布上。集OutputSize
新类的数量,在这个例子中,2
。
编辑学习速度更快地学习新层的传输层。集WeightLearnRateFactor
和BiasLearnRateFactor
来10
。删除最后一个完全连接层和连接你的新层。
接下来,将输出层替换为您的自定义分类输出层。点击新在设计师窗格。暂停上从工作空间并点击进口。导入自定义分类层,选择sseClassificationLayer
并点击好吧。
层添加到当前GoogLeNet pretrained网络点击添加。应用程序添加自定义层的顶部设计师窗格。看到新图层,放大使用鼠标或者点击放大。
拖动自定义层的底部设计师窗格。替换与新分类输出层和输出层连接的新层。
检查你的网络点击分析。网络已经准备好培训如果深度学习网络分析仪报告零错误。
在你建立你的网络,你准备进口数据和训练。关于导入数据的更多信息和培训深陷网络设计师,看看转移学习与深层网络设计师。