이 번역 페이지는 최신 내용을 담고 있지 않습니다. 최신 내용을 영문으로 보려면 여기를 클릭하십시오.
딥러닝을 위한 DAG(유방향 비순환 그래프) 신경망
DAG 신경망은 딥러닝을 위한 신경망입니다. 이 신경망의 계층은 유방향 비순환 그래프로 배열됩니다. DAG 신경망에서는 계층이 여러 계층으로부터 입력값을 가질 수 있고 여러 계층으로 출력값을 보낼 수 있는 보다 복잡한 아키텍처를 가질 수 있습니다.
DAGNetwork
객체를 만드는 방법에는 여러 가지가 있습니다.
squeezenet
,googlenet
,resnet50
,resnet101
또는inceptionv3
과 같은 사전 훈련된 신경망을 불러옵니다. 예제는SqueezeNet 신경망 불러오기항목을참조하십시오. 사전 훈련된 신경망에 대한 자세한 내용은사전 훈련된 심층 신경망항목을참조하십시오.
trainNetwork
를 사용하여 신경망을 훈련시키거나 미세 조정합니다. 예제는새로운 영상을 분류하도록 딥러닝 신경망 훈련시키기항목을참조하십시오.
TensorFlow™-Keras, TensorFlow 2, Caffe 또는 ONNX™(Open Neural Network Exchange) 모델 형식에서 사전 훈련된 신경망을 가져옵니다.
Keras 모델에는importKerasNetwork
를 사용하십시오. 예제는Keras 신경망을 가져오고 플로팅하기항목을참조하십시오.
저장된 모델 형식의 TensorFlow 모델에는importTensorFlowNetwork
를 사용하십시오. 예제는Import TensorFlow Network as DAGNetwork to Classify Image항목을참조하십시오.
Caffe 모델에는importCaffeNetwork
를 사용하십시오. 예제는Caffe 신경망 가져오기항목을참조하십시오.
ONNX 모델에는importONNXNetwork
를 사용하십시오. 예제는Import ONNX Network as DAGNetwork항목을참조하십시오.
assembleNetwork
함수를 사용하여, 사전 훈련된 계층에서 딥러닝 신경망을 조합합니다.
참고
기타 사전 훈련된 신경망에 대해 자세히 알아보려면사전 훈련된 심층 신경망항목을참조하십시오.
activations |
딥러닝 신경망 계층 활성화 계산 |
classify |
훈련된 딥러닝 신경망을 사용하여 데이터 분류 |
predict |
훈련된 딥러닝 신경망을 사용하여 응답 변수 예측 |
plot |
신경망 계층 그래프 플로팅 |
trainNetwork
|trainingOptions
|importKerasNetwork
|layerGraph
|classify
|predict
|plot
|googlenet
|resnet18
|resnet50
|resnet101
|inceptionv3
|inceptionresnetv2
|squeezenet
|SeriesNetwork
|analyzeNetwork
|assembleNetwork