深度网络设计器
设计、可视化和培训深度学习网络
描述
这个深度网络设计器该应用程序允许您构建、可视化、编辑和培训深度学习网络。使用此应用程序，您可以：
构建、导入、编辑和合并网络。
加载预先训练的网络并编辑它们以进行迁移学习。
查看和编辑图层特性，并添加新图层和连接。
分析网络以确保正确定义网络架构，并在培训前检测问题。
导入并可视化数据存储和图像数据，用于培训和验证。
对图像分类训练数据应用增强，并可视化类标签的分布。
培训网络，并使用准确度、损失和验证指标图监控培训。
将经过培训的网络导出到工作区或Simulink万博1manbetx®.
生成MATLAB®建立和培训网络的规范。
打开Deep Network Designer应用程序
MATLAB工具条：在应用程序选项卡，在下面机器学习与深度学习，单击应用程序图标。
MATLAB命令提示：输入
deepNetworkDesigner.
例子
选择预训练图像分类网络
在Deep network Designer中检查一个简单的预训练图像分类网络。
打开应用程序并选择预训练网络。您也可以通过选择设计师选项卡并单击刚出现的。如果您需要下载网络，请单击安装打开加载项资源管理器。
提示
开始时，试着选择一个更快的网络，比如挤压网或谷歌网。一旦您了解了哪些设置工作正常，请尝试更精确的网络，如Inception-v3或ResNet，看看这是否会改善您的结果。有关选择预训练网络的详细信息，请参阅预训练深度神经网络.
在设计师窗格，可视化并浏览网络。有关可用预训练网络的列表以及如何进行比较，请参阅预训练深度神经网络.
有关使用Deep Network Designer构建网络的信息，请参阅使用Deep Network Designer构建网络.
为迁移学习编辑预训练网络
通过在Deep network Designer中编辑，为迁移学习准备网络。
迁移学习是利用预先训练好的深度学习网络并对其进行微调以学习新任务的过程。您可以使用较少数量的训练图像将学习到的功能快速传输到新任务。因此，转移学习通常比从头开始训练网络更快、更容易。要使用预训练网络进行迁移学习，必须更改课程数量以匹配新数据集。
使用SqueezeNet打开深度网络设计器。
deepNetworkDesigner（挤压网）
要准备网络进行迁移学习，请替换最后一个可学习层和最后一个分类层。对于SqueezeNet，最后一个可学习层是一个名为“conv10”.
拖动一个新的卷积层在画布上。设定过滤财产
1,1和微粒过滤器属性设置为新的类数。更改学习速率，以便通过增加加权比率因子和双线性学习因子价值观
删除最后一个卷积层然后连接你的新图层。
提示
对于大多数预训练网络（例如GoogLeNet），最后一个可学习层是完全连接层。要为迁移学习准备网络，请使用新的完全连接层替换完全连接层，并设置输出大小属性设置为新的类数。有关示例，请参见开始使用Deep Network Designer.
接下来，删除分类输出层。然后，拖动一个新的分类层输出层的默认设置意味着网络在训练期间学习课程的数量。
通过单击来检查您的网络分析在设计师tab.网络已准备好进行培训，如果深度学习网络分析仪报告零错误。有关如何训练网络对新图像进行分类的示例，请参见使用Deep Network Designer进行迁移学习.
获取有关图层特性的帮助
有关了解和编辑图层特性的帮助，请单击图层名称旁边的帮助图标。
将自定义图层添加到网络
在Deep network Designer中将工作区中的层添加到网络。
在Deep Network Designer中，可以通过从中拖动内置层来构建网络图层库到设计师窗格并连接它们。您还可以将自定义层从工作区添加到中的网络设计师窗玻璃假设变量中存储了一个自定义图层myCustomLayer.
点击刚出现的在设计师标签。
暂停从工作空间点击进口.
选择
myCustomLayer点击好啊.点击添加.
应用程序将自定义层添加到页面顶部设计师窗玻璃要查看新图层，请使用鼠标放大或单击放大.
连接myCustomLayer到中的网络设计师窗格。有关显示如何在Deep network Designer中使用自定义层构建网络的示例，请参阅将自定义层导入Deep Network Designer.
您还可以在Deep Network Designer中组合网络。例如，您可以通过将预训练网络与解码器子网络相结合来创建语义分段网络。
为培训导入数据
将数据导入Deep Network Designer进行培训。
你可以使用数据用于导入培训和验证数据的Deep Network Designer选项卡。Deep Network Designer支持导入图像数据和数据存储对象。根据任务类型选择导入方法。万博1manbetx
| 任务 | 数据类型 | 数据导入方法 | 示例可视化 |
|---|---|---|---|
| 图像分类 |
|
选择导入数据>导入图像数据.
可以在“导入图像数据”对话框中选择增强选项并指定验证数据。有关详细信息，请参阅将数据导入Deep Network Designer. |
|
| 其他扩展工作流（如数字特征输入、内存不足数据、图像处理以及音频和语音处理） | 数据存储。 对于其他扩展工作流，请使用合适的数据存储对象。例如 您可以导入和训练使用的任何数据存储对象 |
选择导入数据>导入数据存储.
可以在“导入数据存储”对话框中指定验证数据。有关详细信息，请参阅将数据导入Deep Network Designer. |
|
列车网络
使用深度网络设计器训练深度神经网络。
使用deepnetworkdesigner，您可以使用图像数据或使用的任何数据存储对象来训练网络列车网络作用例如，您可以使用组合数据存储对象有关将数据导入Deep Network Designer的更多信息，请参阅将数据导入Deep Network Designer.
要根据导入到Deep network Designer的数据对网络进行培训，请在训练选项卡，单击火车. 该应用程序显示培训进度的动画绘图。该图显示了小批量损失和准确性、验证损失和准确性，以及有关培训进度的其他信息。绘图有一个停止按钮
在右上角。单击按钮停止培训并返回网络的当前状态。
有关详细信息，请参阅使用深度网络设计器训练网络.
如果您需要更好地控制培训，请单击培训方案选择培训设置。有关选择培训选项的更多信息，请参阅培训选项.
有关如何训练图像分类网络的示例，请参见使用Deep Network Designer进行迁移学习. 有关如何将序列训练到序列LSTM网络的示例，请参阅使用深度网络设计器进行时间序列预测的训练网络.
要在Deep network Designer不支持的数据上训万博1manbetx练网络，请选择设计师选项卡，然后单击出口导出初始网络体系结构。然后，您可以通过编程方式训练网络，例如，使用自定义训练循环。
导出网络并生成代码
将在Deep network Designer中创建的网络体系结构导出到工作区或Simulink，并生成代码以重新创建网络和培训。万博1manbetx
要将具有初始权重的网络体系结构导出到工作区，请在设计师选项卡，单击出口. 根据网络体系结构，Deep network Designer将网络导出为
分层图lgraph或者作为一个层对象层.要将在Deep network Designer中培训的网络导出到工作区，请在训练选项卡，单击出口. Deep Network Designer将经过培训的网络体系结构导出为
达格网络对象培训网络. Deep Network Designer还将训练结果（如训练和验证精度）导出为结构数组列车信息结构.要将在Deep network Designer中培训的网络导出到Simulink，请在万博1manbetx训练选项卡，单击出口>导出到Simulin万博1manbetxk. Deep Network Designer将经过训练的网络保存为MAT文件，并生成表示经过训练的网络的Simulink块。生成的块取决于训练的网络类型。万博1manbetx
要重新创建在Deep network Designer中构建和训练的网络，请生成MATLAB代码。
要重新创建网络层，请在设计师选项卡，选择出口>生成代码.
要在上重新创建网络层，包括任何可学习的参数设计师选项卡，选择出口>使用初始参数生成代码.
要在上重新创建网络、数据导入和培训训练选项卡，选择出口>生成用于培训的代码.
生成脚本后，可以执行以下任务。
要重新创建应用程序中创建的网络层，请运行脚本。如果生成了培训脚本，则运行该脚本也将复制网络培训。
检查代码以了解如何以编程方式创建和连接层，以及如何训练深层网络。
要修改图层，请编辑代码。您还可以运行脚本并将网络导入应用程序中进行编辑。
有关详细信息，请参阅从deepnetworkdesigner生成MATLAB代码.
您还可以使用生成的脚本作为起点来创建深入学习实验，这些实验将扫描一系列超参数值，或者使用贝叶斯优化来找到最佳的训练选项。例如，演示如何使用实验经理要调整在Deep network Designer中培训的网络的超参数，请参阅调整在Deep Network Designer中生成的代码以用于实验管理器.
相关实例
程序化使用
提示
要训练多个网络并比较结果，请尝试实验经理.
您还可以从以下列表中选择网站：
