深度学习导入，导出，和自定义
从TensorFlow™-Keras，来自Caffe和ONNX™（开放式神经网络交换）模型格式导入网络和网络架构。您还可以导出一个训练有素的深度学习工具箱™网络向ONNX模型格式。
您可以为您的问题定义自己的深度学习层。您可以使用自定义输出层指定自定义的损失函数，定义有或没有可以学习的参数自定义图层。例如，可以使用具有用于分类问题加权交叉熵损失的自定义分类加权层用的类的不平衡分布。定义自定义层之后，可以检查该层是有效的，GPU兼容，并输出正确定义梯度。
如果trainingOptions功能不提供培训选项，你需要为你的任务，或自定义输出层不支持的损失函数，你需要，那么你可以自定义一个训练循环。金宝app对于不能使用层图来创建网络，您可以自定义网络的功能。要了解更多信息，请参阅定义定制培训循环，损失函数，与网络。
功能
主题
自定义图层
了解如何定义自定义深层学习层。
了解如何查看自定义深层学习层的有效性。
此示例示出了如何定义PReLU层并且在卷积神经网络使用它。
该示例示出了如何定义自定义加权相加层并且在卷积神经网络使用它。
这个例子展示了如何用平方误差（SSE）损失总和定义自定义分类输出层并且在卷积神经网络使用它。
此示例示出了如何定义和创建与加权交叉熵损失的自定义加权分类输出层。
该示例示出了如何定义与平均绝对误差（MAE）损失的自定义回归输出层并且在卷积神经网络使用它。
此示例示出了如何定义PReLU层和指定自定义后退功能。
该示例示出了如何定义的加权分类层和指定定制向后损失函数。
网络培训大会
此示例示出了如何训练生成对抗网络（GAN），以生成图像。
此示例示出了如何培养条件生成对抗网络（CGAN），以生成图像。
这个例子显示了如何培养一个连体的网络使用降维来比较手写的数字。
此示例示出了如何训练连体网络识别的手写字符相似的图像。
了解如何定义和使用自动分化定制深度学习培训循环，损失的功能，和网络。
了解如何指定自定义的训练循环共同培训方案。
这个例子显示了如何培养一个网络，以进行分类定制学习费率表手写的数字。
这个例子说明了如何更新定制培训环路的网络状态。
这个例子说明了如何使用做出预测dlnetwork通过拆分数据为微型批对象。
此示例示出了如何创建和使用的功能，而不是层图形或训练深度学习网络dlnetwork。
这个例子展示了如何定义为一个功能的网络中更新网络状态。
这个例子展示了如何使用通过拆分数据模型的功能到小型批次的预测。
这个例子说明了如何培养具有不同的权重初始化深刻的学习网络。
这个例子说明了如何创建一个自定义他的重量初始化函数卷积层，然后漏RELU层。
这个例子展示了如何从一个预训练的Keras网络导入层，用定制层替代不支持层，并且这些层组装成准备用于预测的网络。金宝app
多输入多输出网络
了解如何定义并与多个输入或多个输出培训深度学习网络。
此示例示出了如何训练深度学习网络与预测二者的标签和的手写体数字旋转角度的多个输出。
相反，使用用于预测模型的功能，你可以组装网络成DAGNetwork准备使用该预测functionToLayerGraph和assembleNetwork功能。
自动微分
了解如何区分自动工作。
如何使用深度学习自动分化。
查看功能的列表支持金宝appdlarray对象。
这个例子说明了如何使用梯度加权级激活映射（梯度-CAM）技术理解为什么一个深刻的学习网络，使得它的分类决定。
精选示例
您还可以选择从下面的列表中的网站：
