。
分析
深层学习ネットワークアーキテクチャの解析
说明
分析をを使し可化，ネットワークのアーキテクチャ可催化し把握，アーキテクチャが正当定义さてことを确认て，学校分析が検出する问题に，层层欠损または未结合，层入力のサイズ误り，层のの力数の，无效なグラフ构造などありあり。
例
学习済みネットワークの解析
事前学习済みgooglenet畳み込みニューラルネットワークを読み込みます。
net = googlenet.
net =具有属性的Dagnetwork：图层：[144×1 nnet.cnn.layer.layer]连接：[170×2表]
ネットワークを解析します。分析は，ネットワークアーキテクチャの対话型，およびおよびネットワーク层についての情情情れるれるれる表示表示しし
左侧のプロットアーキテクチャをますてで层选択します。选択选択たはします。选択したは，プロットと层ののの强调表示さます。
桌面は，层层プロパティ，层层タイプ，层层活性とと，层の情パラメーターサイズされます。
ネットワークネットワークのさらに深い层を选択ししししし活性ははしし活性活性はは次元（最初の2つの次元）が小さくなり，チャネルの次元（最后最后次元（最后最后次元）ネットワークについてこの构造を使する，空间分享をながら，抽出されるイメージの特征のを増やす増やすます。
层の表の右右上隅ある矢印をクリックし，[学习可能数]を选択して，学校可以なパラメーターののをしますます表示します。を并べ替えるにのの并べ替えるには，列の见出しマウスを移て，表示て，学士学位，习でを并べ替えるで，含まれるパラメーター最もと，含まれるパラメーターが并べ替えると。
分析（净）
ネットワークアーキテクチャのエラーのの正
ショートカット结合を使しシンプルな畳み込みネットワークをししのますを层配列层配列として。分层图は，层数ののすべての层层を顺にに结しし
图层= [imageInputLayer（[32 32 3]，'名称'那'输入'）卷积2dlayer（5,16，'填充'那'相同的'那'名称'那'conv_1'）剥离（'名称'那'relu_1'）卷积2dlayer（3,16，'填充'那'相同的'那'走吧'2，'名称'那'conv_2'）剥离（'名称'那'relu_2'）附加层（2，'名称'那'Add1'）卷积2dlayer（3,16，'填充'那'相同的'那'走吧'2，'名称'那'conv_3'）剥离（'名称'那'relu_3'）附加层（3，'名称'那'Add2'）全连接层（10，'名称'那'fc'scassificationlayer（'名称'那'输出'）];Lgraph = LayerGraph（层）;
ショートカット综合を作物成しますカットカット合1のつに，単一，1 x 1畳み込み层Skipconv.が含まれます。
Skipconv = Convolution2dlayer（1,16，'走吧'2，'名称'那'skipconv'）;Lgraph = Addlayers（LAPHAGH，SKIPCONV）;Lgraph = ConnectLayers（LAPHAGE，'relu_1'那'Add1 / In2'）;Lgraph = ConnectLayers（LAPHAGE，'Add1'那'Add2 / In2'）;
ネットワークアーキテクチャを解析します。分析によってネットワークの4つのエラーががさますます。
分析（LGROPH）
。
输出分享到するするする，分享到するにソフトマックス层层层追加。Skipconv.これ层が残りのネットワークにさされれいませませませませはははAdd1.层とAdd2.层のショートて必要がありますますますます。Add1.をSkipconv.に结合し，Skipconv.をAdd2.に结合します。Add2.层のの力が3つになるように指定れていが，この层ののは2つしかありません。このこのを修するには，入力の修2を指定します。加入层へののの力のサイズは同じばなりませんが，
Add1.层にサイズが异なる2つのつの力がます。Conv_2.层の'走吧'の値が2であるため，この层では最初の2つの次元（空间次元）においてにおいてわれますわれます。relu2.层からのの力のサイズをrelu1.からのの力のサイズ同じにになるよう変更するにConv_2.层の'走吧'の値を1に设定ししダウンサンプリングを削除ししし。
この例の开启时から层层グラフのにこれらの変更を适适しこれらの変更を适し，新しい层グラフを作物成。
图层= [imageInputLayer（[32 32 3]，'名称'那'输入'）卷积2dlayer（5,16，'填充'那'相同的'那'名称'那'conv_1'）剥离（'名称'那'relu_1'）卷积2dlayer（3,16，'填充'那'相同的'那'走吧'，1，'名称'那'conv_2'）剥离（'名称'那'relu_2'）附加层（2，'名称'那'Add1'）卷积2dlayer（3,16，'填充'那'相同的'那'走吧'2，'名称'那'conv_3'）剥离（'名称'那'relu_3'）附加层（2，'名称'那'Add2'）全连接层（10，'名称'那'fc'）softmaxlayer（'名称'那'softmax'）;ClassificationLayer（'名称'那'输出'）];Lgraph = LayerGraph（层）;Skipconv = Convolution2dlayer（1,16，'走吧'2，'名称'那'skipconv'）;Lgraph = Addlayers（LAPHAGH，SKIPCONV）;Lgraph = ConnectLayers（LAPHAGE，'relu_1'那'Add1 / In2'）;Lgraph = ConnectLayers（LAPHAGE，'Add1'那'skipconv'）;Lgraph = ConnectLayers（LAPHAGE，'skipconv'那'Add2 / In2'）;
新闻アーキテクチャを解析ます。新しいネットワークにはエラーがずず，学校のののが整っています。
分析（LGROPH）
カスタム学习ループの层グラフ层グラフ解析解析
カスタム学习ループますます。
图层= [imageInputLayer（[28 28 1]，'正常化'那'没有任何'那'名称'那'输入'）卷积2dlayer（5,20，'名称'那'conv1'batchnormalizationlayer（'名称'那'bn1'）剥离（'名称'那'relu1'）卷积2dlayer（3,20，'填充'，1，'名称'那'conv2'batchnormalizationlayer（'名称'那'bn2'）剥离（'名称'那'relu2'）卷积2dlayer（3,20，'填充'，1，'名称'那'conv3'batchnormalizationlayer（'名称'那'bn3'）剥离（'名称'那'relu3'）全连接层（10，'名称'那'fc'）softmaxlayer（'名称'那'softmax'）];Lgraph = LayerGraph（层）;
关节分析をを用して层グラフを解析解析，'targetusage'オプションを'dlnetwork'に设定します。
分析（LGraph，'targetusage'那'dlnetwork'）
关报报告によれば，このこの层グラフには何のもありませませの问题もありませませ
入力数
参考
您还可以从以下列表中选择一个网站：
