自定义图层
为深度学习定义自定义层
对于大多数任务，可以使用内置层。如果没有任务所需的内置层，则可以定义自己的自定义层。您可以使用自定义输出层指定自定义损失函数，并定义具有可学习参数和状态参数的自定义层。定义自定义层后，您可以检查该层是否有效，GPU兼容，并输出正确定义的梯度。有关支持层的列表，请参见金宝app深度学习层列表．
功能
主题
自定义图层概述
- 定义自定义深度学习层
了解如何定义自定义深度学习层。 - 定义自定义深度学习中间层
了解如何定义自定义深度学习中间层。 - 定义自定义深度学习输出层
了解如何定义自定义深度学习输出层。 - 检查自定义图层的有效性
了解如何检查自定义深度学习层的有效性。 - 导入自定义层到深度网络设计器
这个例子展示了如何导入带有平方和误差(SSE)损失的自定义分类输出层，并将其添加到Deep network Designer中的预训练网络中。 - 从预训练的Keras层组装网络
这个示例展示了如何从预训练的Keras网络导入层，用自定义层替换不支持的层，并将这些层组装成一个准备进行预测的网络。金宝app - 用功能层替换不支持的金宝appKeras层
这个例子展示了如何从预训练的Keras网络中导入层，用功能层替换不支持的层，并将这些层组装成一个准备进行预测的网络。金宝app
自定义中间层
- 定义具有可学习参数的自定义深度学习层
这个例子展示了如何定义PReLU层并在卷积神经网络中使用它。 - 定义具有多个输入的自定义深度学习层
这个例子展示了如何定义一个自定义加权附加层，并在卷积神经网络中使用它。 - 定义带有格式化输入的自定义深度学习层
这个例子展示了如何定义一个自定义图层dlarray输入。 - 定义自定义循环深度学习层
这个例子展示了如何定义一个窥视孔LSTM层并在神经网络中使用它。 - 指定自定义层向后功能
这个示例展示了如何定义PReLU层并指定自定义向后函数。 - 自定义图层功能加速
通过缓存和重用跟踪加速自定义层的向前和预测功能。 - 为代码生成定义自定义深度学习层
这个例子展示了如何定义一个支持代码生成的PReLU层。金宝app
自定义输出图层
- 定义自定义分类输出层
这个例子展示了如何定义带有平方和误差(SSE)损失的自定义分类输出层，并在卷积神经网络中使用它。 - 定义自定义回归输出层
这个例子展示了如何定义一个具有平均绝对误差(MAE)损失的自定义回归输出层，并在卷积神经网络中使用它。 - 指定自定义输出层向后损失函数
这个示例展示了如何定义带有平方和误差(SSE)损失的自定义分类输出层，并指定自定义向后损失函数。
网络组成和嵌套层
- 深度学习网络构成
定义包含层图的自定义层。 - 定义嵌套深度学习层
这个例子展示了如何定义一个嵌套的深度学习层。 - 用嵌套层训练深度学习网络
这个例子展示了如何训练一个嵌套层的网络。
