主要内容

blockedNetwork

创建重复块结构的网络

自从R2021a

折叠所有页面

语法

net = blockedNetwork(fun,numBlocks)
net = blockedNetwork(fun,numBlocks，'NamePrefix'， NamePrefix)

描述

例子

网= blockedNetwork (有趣的，numBlocks）创建一个未初始化的网络，网，包括numBlocks层块按顺序连接。这个函数有趣的创建每个层块。

此功能需要深度学习工具箱™。

网= blockedNetwork (有趣的，numBlocks“NamePrefix”,namePrefix）添加前缀namePrefix到网络中的所有层名。

例子

全部折叠

这个例子使用了:

打开实时脚本

定义一个函数来创建一个层数组。第一个块在卷积层中有32个滤波器。在每个连续的块中，过滤器的数量翻倍。

unetBlock = @(block)[卷积2dlayer (3,2^(5+block)) relullayer卷积2dlayer (3,2^(5+block)) reluLayer maxPooling2dLayer(2，“步”, 2)];

创建一个由四个重复的层块组成的网络。为网络中的所有层名添加前缀“encoder_”。

net = blockedNetwork(unetBlock,4，“NamePrefix”，“encoder_”）
net = dlnetwork with properties: Layers: [20x1 nnet.cnn.layer.Layer] Connections: [19x2 table] Learnables: [16x3 table] State: [0x3 table] InputNames: {'encoder_Block1Layer1'} OutputNames: {'encoder_Block4Layer5'} Initialized: 0查看summary with summary。

初始化大小输入的网络权重[224 224 3]。

Net =初始化(Net,dlarray(0 (224,224,3)，“SSC”));

显示网络。

analyzeNetwork(净)

这个例子使用了:

打开实时脚本

从预先训练好的GoogLeNet网络中创建四个下采样操作的GAN编码器网络。

深度= 4;[encoder,outputNames] = pretrainedEncoderNetwork(“googlenet”、深度);

确定编码器网络的输入大小。

inputSize =编码器。layers (1).InputSize;

通过创建一个样例数据输入，然后调用，确定编码器网络中激活层的输出大小向前，它返回激活。

exampleInput = dlarray(0 (inputSize)，SSC的）;exampleOutput = cell(1,length(outputNames));[exampleOutput{:}] = forward(encoder,exampleInput，“输出”, outputNames);

将解码器块中的通道数量确定为每次激活的第三个通道的长度。

numChannels = cellfun(@(x) size(extractdata(x)，3)，exampleOutput);numChannels = fliplr(numChannels(1:end-1));

定义一个函数，为一个解码器块创建一个层数组。

decoderBlock = @(block) [transposedConv2dLayer(2,numChannels(block)，]“步”2) convolution2dLayer (numChannels(块),“填充”，“相同”reluLayer卷积2dlayer (3,numChannels(block)“填充”，“相同”) reluLayer);

创建解码器模块，其上采样块的数量与编码器模块中下采样块的数量相同。

decoder = blockedNetwork(decoderBlock,depth);

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”，“连接”）
net = dlnetwork with properties: Layers: [139x1 nnet.cnn.layer.Layer] Connections: [167x2 table] Learnables: [116x3 table] State: [0x3 table] InputNames: {'data'} OutputNames: {'encoderDecoderFinalConvLayer'} Initialized: 1查看summary with summary。

显示网络。

analyzeNetwork(净)

输入参数

全部折叠

创建层块的函数，指定为具有此签名的函数:

block = fun(blockIndex)

  • 的输入有趣的，blockIndex，是范围为[1，numBlocks]。

  • 的输出有趣的，块，是一个层或层数组。

网络中的块数，指定为正整数。

网络中所有层名称的前缀，指定为字符串或字符向量。

数据类型:字符|字符串

输出参数

全部折叠

具有重复块结构的网络，返回为dlnetwork(深度学习工具箱)对象。

提示

  • 的dlnetwork(深度学习工具箱)返回的blockedNetwork未初始化，不能用于训练或推断。要初始化网络，请使用初始化(深度学习工具箱)函数。

  • 方法将编码器网络连接到解码器网络encoderDecoderNetwork函数。

版本历史

R2021a中引入

另请参阅

主题