向无环图(DAG)网络的深度学习
DAG网络是一个神经网络,用于深入学习,层层被布置为定向的非循环图。DAG网络可以具有更复杂的架构,其中层具有从多个层的输入并输出到多个层。
有几种方法来创建DAGNetwork
目的:
加载掠夺网络,如squeezenet
那googlenet.
那resnet50.
那Resnet101.
, 或者inceptionv3
。例如,看到负载挤压Zenet网络。有关预训练的网络的详细信息,请参阅普里德深度神经网络。
火车或微调的网络使用Trainnetwork.
。例如,看到培训深度学习网络以分类新图像。
从Tensorflow™-Keras,Tensorflow 2,Caffe或Onnx™(开放神经网络交换)模型格式导入掠夺网络。
对于Keras模型,使用importKerasnetwork.
。例如,看到导入和绘图Keras网络。
对于保存的模型格式,使用TensorFlow模型importtensorflownetwork.
。例如,看到将TensoRFlow网络导入Dagnetwork以对图像进行分类。
对于来自Caffe模型,使用importCaffeNetwork
。例如,看到进口Caffe网络。
对于ONNX模型,使用importONNXNetwork
。例如,看到进口ONNX网作为DAGNetwork。
使用预训练的层装配了深刻的学习网络汇编
功能。
笔记
要了解其他预追溯网络,请参阅普里德深度神经网络。
Trainnetwork.
|培训选项
|importKerasnetwork.
|分层图
|分类
|预测
|阴谋
|googlenet.
|resnet18
|resnet50.
|Resnet101.
|inceptionv3
|InceptionResNetv2.
|squeezenet
|SeriesNetwork
|分析
|汇编