文件帮助中心文件
从预先训练的网络创建编码器网络
net = pretrateencodernetwork(networkname,深度)
[NET,OutputNames] = pretRateNcodernetwork(NetworkName,深度)
例子
净= pretrateencodernetwork(networkName那深度)创建编码器网络,净,来自预先训练过的网络,networkName。编码器网络执行深度下采样操作。
净= pretrateencodernetwork(networkName那深度)
净
networkName
深度
此功能需要深度学习工具箱™。
[净那输出名称] = pretrateencodernetwork(networkName那深度)还返回名称,输出名称,在下采样操作之前直接发生的激活层。这些激活对应于特定空间分辨率或尺度的感兴趣的特征。万博 尤文图斯
[净那输出名称] = pretrateencodernetwork(networkName那深度)
输出名称
全部收缩
此示例使用:
创建一个基于Squeezenet净定网络的三个下采样操作的编码器。
Encodernet = pretRateNcodernetwork(“squeezenet”3)
Encodernet =具有属性的DLnetwork:图层:[33x1 nnet.cnn.layer.layer]连接:[36x2表]了解:[26x3表]状态:[0x3表] InputNames:{'data'} OutputNames:{'Fire5-Concat'}初始化:1
显示编码器网络。
分析工作(EncoDernet)
从预先训练的GoogLeNet网络创建一个具有四个向下采样操作的GAN编码器网络。
深度= 4;[编码器,OutputNames] = pretRateNcodernetwork('googlenet',深度);
确定编码器网络的输入大小。
inputSize = encoder.Layers (1) .InputSize;
通过创建样本数据输入,然后调用来确定编码器网络中激活层的输出大小向前,它返回激活。
向前
exampleInput = dlArray(零(输入),'SSC');exampleOutput =细胞(1、长度(outputNames));[exampleOutput{}): =前进(exampleInput编码器,'输出', outputNames);
确定解码器块中的通道数作为每个激活中的第三频道的长度。
NumChannels = Cellfun(@(x)大小(提取数据(x),3),exampleoutput);NumChannels = Pliplr(NumChannels(1:端1));
定义一个为一个解码器块创建一个层数组的函数。
DecoderBlock = @(块)[transposedConv2dlayer(2,NumChannels(块),'走吧',2)卷积2dlayer(3,NumChannels(块),'填充'那“相同”) reluLayer convolution2dLayer (numChannels(块),'填充'那“相同”) reluLayer);
创建与编码器模块中有相同数量的上采样块的解码器模块。
解码器= blockednetwork(Decoderblock,深度);
通过连接编码器模块和解码器模块,并添加跳过连接,创建U-Net网络。
net = encoderdecodernetwork([224 224 3],编码器,解码器,......'OutputChannels'3,'skipconnections'那“连接”)
net = dlnetwork with属性:图层:[139x1 nnet.cnn.layer.layer]连接:[167x2表]了解:[116x3表]状态:[0x3表] InputNames:{'data'} OutputNames:{'EncoderDecoderfinalConvlayer'}初始化:1
显示网络。
analyzeNetwork(净)
“googlenet”
“Inceptionv3”
“resnet101”
“vgg19”
预先训练的网络名称,指定为这些字符串值之一。必须为选定的预训练网络安装相关的Add-On。
“Alexnet”- 看alexnet(深度学习工具箱)想要查询更多的信息。
“Alexnet”
alexnet
“googlenet”- 看googlenet.(深度学习工具箱)想要查询更多的信息。
googlenet.
“InceptionResnetv2”- 看inceptionresnetv2(深度学习工具箱)想要查询更多的信息。
“InceptionResnetv2”
inceptionresnetv2
“Inceptionv3”- 看Inceptionv3.(深度学习工具箱)想要查询更多的信息。
Inceptionv3.
“MobileNetv2”- 看MobileNetv2.(深度学习工具箱)想要查询更多的信息。
“MobileNetv2”
MobileNetv2.
“resnet18”- 看resnet18(深度学习工具箱)想要查询更多的信息。
“resnet18”
resnet18
“resnet50”- 看resnet50(深度学习工具箱)想要查询更多的信息。
“resnet50”
resnet50
“resnet101”- 看Resnet101.(深度学习工具箱)想要查询更多的信息。
Resnet101.
“挤压”- 看挤压(深度学习工具箱)想要查询更多的信息。
“挤压”
挤压
“vgg16”- 看vgg16.(深度学习工具箱)想要查询更多的信息。
“vgg16”
vgg16.
“vgg19”- 看vgg19.(深度学习工具箱)想要查询更多的信息。
vgg19.
数据类型:字符|细绳
字符
细绳
2
编码器中的下采样操作数指定为正整数。编码器将输入缩小为2°^深度。您无法指定比预磨平网络的深度大的深度。
dlnetwork.
编码器网络,返回为dlnetwork.(深度学习工具箱)对象。网络已经深度不同的空间分辨率。万博 尤文图斯编码器网络的最后一层是直接出现在预先训练的网络的下一个下采样操作之前的一层。
网络中的图层名称净直接在下采样操作之前返回,作为字符串向量返回。
Encoderdecodernetwork.
您有此示例的修改版本。您是否希望使用您的编辑打开此示例?
您单击了与此MATLAB命令对应的链接:
在MATLAB命令窗口中输入它来运行命令。Web浏览器不支持MATLAB命令。万博1manbetx
选择一个网站,以便在可用的地方进行翻译的内容,并查看本地活动和优惠。根据您的位置,我们建议您选择:。
你也可以从以下列表中选择一个网站:
选择中国网站(以中文或英文)以获取最佳网站性能。其他MathWorks国家网站未优化您的位置。
联系您当地的办公室