主要内容

assembleNetwork

从佩带层组装深度学习网络

在页面上崩溃

句法

assembledNet = assembleNetwork(层)

描述

assembleNetwork无需训练就能从各个层次创建深度学习网络。

用assembleNetwork有关以下任务：

  • 将一个层阵列或层图转换为一个网络准备进行预测。

  • 从导入的图层组装网络。

  • 修改培训网络的权重。

从头划伤训练网络，使用Trainnetwork.．

例子

assembledNet= Assemblenetwork（层数的）组装图层阵列或图层图层数进入深度学习网络，准备用于预测。

例子

全部收缩

此示例使用：

打开生活的脚本

将图层从佩带的Keras网络导入，用自定义图层替换不支持的图层，并将图层组装到准备预测的网络中。金宝app

进口Keras网络

从KERAS网络模型导入图层。网络in.'digitsdagnetwithnoise.h5'分类数字图像。

filename ='digitsdagnetwithnoise.h5'；lgraph = importKerasLayers(文件名,'进口重量'，真的）;
警告：无法导入某些keras图层，因为深度学习工具箱不支持它们。金宝app他们被占位层层所取代。要查找这些图层，请在返回的对象上调用findplaceholderlayers。

Keras网络包含一些深度学习工具箱™不支持的层。金宝app的importKerasLayers函数显示警告，并用占位符图层替换不受支持的图层。金宝app

更换占位符层

要替换占位符层，请首先识别要替换的图层的名称。查找占位符层使用findPlaceholderLayers并显示他们的keras配置。

PlaceHolderLayers = FindPlaceHolderlayers（LPraph）;placeholderlayers.kerasconfiguration.
ANS =.结构与字段：培训：1名称：'Gaussian_Noise_1'STDDEV：1.5000
ANS =.结构与字段：培训：1名称：'Gaussian_Noise_2'STDDEV：0.7000

通过保存文件来定义自定义高斯噪声层Gaussiannoiselayer.m.在当前文件夹中。然后，创建两个高斯噪声层，配置与导入的Keras层相同。

Gnlayer1 =高斯登机会（1.5，'new_gaussian_noise_1'）;gnLayer2 = gaussianNoiseLayer (0.7,'new_gaussian_noise_2'）;

使用自定义图层替换占位符层替换剂．

Lgraph =替换剂（LGROPLAYER（'gaussian_noise_1'，gnlayer1）;Lgraph =替换剂（LGROPLAYER（'gaussian_noise_2', gnLayer2);

指定类名称

导入的分类层不包含类，因此必须在组装网络之前指定这些类。如果您未指定类，则软件会自动将类设置为1那2，......，N.， 在哪里N.是课程的数量。

分类层具有名称'classificationlayer_activation_1'．将课程设置为0.那1，......，9.，然后用新的分类层替换导入的分类层。

Clayer = Lgraph.Layers（END）;clayer.classes = string（0：9）;Lgraph =替换剂（LGROPLAYER（'classificationlayer_activation_1'，粘土）;

组装网络

使用层图assembleNetwork．函数返回Dagnetwork.准备好用于预测的对象。

NET = ASSEMBLENETWORK（LGAPH）
net =具有属性的Dagnetwork：图层：[15x1 nnet.cnn.layer.layer]连接：[15x2表]输入名称：{'input_1'} OutputNames：{'classificationLayer_activation_1'}

输入参数

全部收缩

网络层，指定为层阵列或A.分层图对象。

要使用顺序连接的所有图层创建网络，可以使用a层数组作为输入参数。在本例中，返回的网络为系列网络对象。

一条定向的非循环图（DAG）网络具有复杂的结构，其中层可以具有多个输入和输出。要创建DAG网络，请指定网络架构作为一个分层图对象，然后使用该层图作为输入参数assembleNetwork．

有关内置层的列表，请参见深度学习层列表．

输出参数

全部收缩

组装网络准备预测，作为一个返回系列网络对象或一个Dagnetwork.对象。返回网络取决于层数输入参数：

  • 如果层数是A.层那个阵列assembledNet是A.系列网络对象。

  • 如果层数是A.分层图对象,然后assembledNet是A.Dagnetwork.对象。

也可以看看

|||||

话题

在R2018B中介绍

深度学习工具箱文档

金宝app

介绍基于MATLAB的深度学习

介绍基于MATLAB的深度学习

下载电子书