连接器
在图层中连接图层
描述
例子
创建并连接加法层
创建一个带有两个输入和名称的加法层'add_1'
。
add =加法器(2,'姓名',,,,'add_1')
add =添加层属性:name:'add_1'numInputs:2 inputNames:{'in1''in2'}
创建两个Relu层并将其连接到加法层。加法层总和来自Relu层的输出。
relu_1 = relulayer('姓名',,,,'relu_1');relu_2 = relulayer('姓名',,,,'relu_2');lgraph = layergraph;lgraph = addlayers(lgraph,relu_1);lgraph = addlayers(lgraph,relu_2);lgraph = addlayers(lgraph,add);lgraph =连接器(lgraph,'relu_1',,,,'add_1/in1');lgraph =连接器(lgraph,'relu_2',,,,'add_1/in2');情节(lgraph)
创建简单的DAG网络
创建一个简单的定向无环图(DAG)网络,以进行深度学习。训练网络以对数字的图像进行分类。此示例中的简单网络包括:
依次连接的主分支。
一个快捷连接包含一个1 by-1卷积层。快捷连接使参数梯度能够从输出层更容易流到网络的早期层。
创建网络的主要分支作为图层数组。加法层总和多个输入元素。指定为添加层总和的输入数。要稍后轻松添加连接,请指定第一个Relu层和加法层的名称。
layers = [imageInputlayer([28 28 1])卷积2Dlayer(5,16,'填充',,,,'相同的')batchnormalizationlayer relulayer('姓名',,,,'relu_1')卷积2Dlayer(3,32,,'填充',,,,'相同的',,,,“大步”,2)batchnormalizationlayer relulayer卷积2Dlayer(3,32,'填充',,,,'相同的')batchnormalizationlayer relulayer添加剂(2,'姓名',,,,'添加')平均pooling2dlayer(2,“大步”,2)完整连接的layerer(10)SoftMaxlayer ClassificationLayer];
从图层数组创建图层图。LayerGraph
连接所有层层
顺序。绘制图层图。
lgraph = layergraph(layers);图(lgraph)
创建1 by-1卷积层,然后将其添加到图层图中。指定卷积过滤器和步幅的数量,以使激活尺寸与第三层层层的激活大小相匹配。该布置使加法层添加第三个relu层和1 by-1卷积层的输出。要检查图层是否在图中,请绘制图层图。
skipconv =卷积2Dlayer(1,32,“大步”,2,'姓名',,,,'skipconv');lgraph = addlayers(lgraph,skipconv);图(lgraph)
从'relu_1'
层到达'添加'
层。因为您将两个指定为加法层的输入数量,所以该层具有两个命名的输入'in1'
和'in2'
。第三层层已经连接到'in1'
输入。连接'relu_1'
层到达'skipconv'
层和'skipconv'
层到达'in2'
输入'添加'
层。现在,加法层总结了第三个relu层的输出和'skipconv'
层。要检查层是否正确连接,请绘制图层图。
lgraph =连接器(lgraph,'relu_1',,,,'skipconv');lgraph =连接器(lgraph,'skipconv',,,,'add/in2');图图(lgraph);
加载培训和验证数据,该数据由数字的28 x 28灰度图像组成。
[Xtrain,Ytrain] = DigitTrain4DarrayData;[xvalidation,yvalidation] = digittest4darraydata;
指定培训选项并培训网络。火车网
使用验证数据验证网络验证频率
迭代。
选项=训练('sgdm',,,,...“ maxepochs”,8,...“洗牌”,,,,“每个段”,,,,...'验证data',{xvalidation,yvalidation},...“验证频率”,30,...“冗长”,错误的,...“绘图”,,,,“训练过程”);net = trainnetwork(Xtrain,Ytrain,Lgraph,选项);
显示受过训练的网络的属性。网络是一个dagnetwork
目的。
网
net =带有属性的dagnetwork:layers:[16x1 nnet.cnn.layer.layer] connections:[16x2 table] inputNames:{'imageInput'} outputnames:{'classOutput'}
对验证图像进行分类并计算精度。网络非常准确。
ypredistic =分类(net,xvalidation);精度=平均值(ypredifate == yvalidation)
精度= 0.9934
输入参数
lgraph
-图层图
LayerGraph
目的
图层图,指定为LayerGraph
目的。要创建图层图,请使用LayerGraph
。
s
-连接源
角色向量|字符串标量
连接源,指定为字符向量或字符串标量。
如果源层有一个输出,则
s
是层的名称。如果源层有多个输出,则
s
是图层名称,后跟字符 /和图层输出的名称:'laserName/outputname'
。
例子:'conv1'
例子:“ mpool/indices”
d
-连接目的地
角色向量|字符串标量
连接目标,指定为字符向量或字符串标量。
如果目标层有一个输入,则
d
是层的名称。如果目标层有多个输入,则
d
是图层名称,后跟字符 /和层输入的名称:'lasername/intupname'
。
例子:'FC'
例子:'addlayer1/in2'
输出参数
newlgraph
- 输出层图
LayerGraph
目的
输出层图,返回为LayerGraph
目的。
版本历史记录
matlab命令
您单击了与此MATLAB命令相对应的链接:
通过在MATLAB命令窗口中输入该命令。Web浏览器不支持MATLAB命令。万博1manbetx
您还可以从以下列表中选择一个网站:
如何获得最佳网站性能
选择中国网站(中文或英语)以获得最佳场地性能。其他Mathworks乡村网站未针对您所在的访问进行优化。
美洲
- AméricaLatina(Español)
- 加拿大(英语)
- 美国(英语)