此示例演示如何从预训练的Keras网络导入层,将不支持的层替换为自定义层,并将层组装到网络中以备预测。万博1manbetx
从Keras网络模型导入图层。中的网络“digitsDAGnetwithnoise.h5”
对数字图像进行分类。
文件名=“digitsDAGnetwithnoise.h5”;lgraph=importKerasLayers(文件名,“重要性”,对);
警告:无法导入某些Keras层,因为深度学习工具箱不支持它们。它们已被占位符层替换。要查找这些层,请对返回的对象调用函数findPl万博1manbetxaceholderLayers。
Keras网络包含一些深度学习工具箱不支持的层万博1manbetx进口卡拉斯层
函数显示警告,并用占位符图层替换不支持的图层。万博1manbetx
使用以下命令绘制图层图:情节
.
图形绘图(lgraph)标题(“导入的网络”)
要替换占位符层,请首先标识要替换的层的名称。使用查找占位符层findPlaceholderLayers
.
占位符层=findPlaceholderLayers(lgraph)
PLACEHOLDER layers=2x1 PLACEHOLDER LAYER数组,带图层:1“GaussianNoise”Keras图层的“GaussianNoise”Keras图层的“GaussianNoise”Keras图层的“GaussianNoise”Keras图层的“GaussianNoise”图层占位符
显示这些图层的Keras配置。
placeholder.KerasConfiguration
ans=带字段的结构:可培训:1名:“高斯噪声”标准差:1.5000
ans=带字段的结构:可培训:1名:“高斯噪声”标准差:0.7000
定义自定义高斯噪波层。要创建此图层,请保存文件高斯非线性
然后,创建两个高斯噪声层,其配置与导入的Keras层相同。
gnLayer1=高斯各向异性层(1.5,“新的高斯噪声”);gnLayer2=高斯各向异性层(0.7,“新的高斯噪声”);
使用自定义图层替换占位符图层替换层
.
lgraph=替换层(lgraph,“高斯噪声1”,gn1);lgraph=替换层(lgraph,“高斯噪声”,gn2);
使用打印更新的图层图情节
.
图形绘图(lgraph)标题(“已替换层的网络”)
如果导入的分类图层不包含类,则必须在预测之前指定这些类。如果未指定类,则软件会自动将类设置为1.
,2.
, ...,N
哪里N
是班级的数量。
通过查看层
层图的属性。
层
ans=15x1带层的层阵列:1“输入1”图像输入28x28x1图像2“conv2d_1”卷积20 7x7x1带跨距的卷积[1]和填充“相同的”3“conv2d_1_relu”relu relu 4“conv2d_2”卷积20 3x3x1带跨距的卷积[1]和填充“相同的”5“conv2d_2_relu”relu relu 6“新的_高斯_噪声_1”高斯噪声标准偏差为1.5 7“新的_高斯_噪声_2”高斯噪声标准偏差为0.7 8“最大_池2d_1”最大池2x2最大池步幅[2]和填充“相同的”9“最大池2D_2”最大池2x2最大池带跨距[2 2]和填充“相同的”10“展平_1”Keras展平激活为1-D假设C样式(行主)顺序11“展平_2”Keras展平激活为1-D假设C样式(行主)顺序12“串联1”深度串联2个输入的深度串联13“密集1”完全连接10完全连接层14“激活1”Softmax Softmax 15“分类层激活1”分类输出交叉熵
分类层的名称为“分类层\激活\ 1”
.查看分类层并检查班级
所有物
cLayer=lgraph.Layers(结束)
cLayer=ClassificationOutputLayer,属性:Name:'ClassificationLayer\u activation\u 1'类:'auto'类权重:'none'输出大小:'auto'超参数丢失函数:'crossentropyex'
因为班级
该层的属性为“自动”
,必须手动指定类。请将类设置为0
,1.
, ...,9
,然后用新的分类图层替换导入的分类图层。
cLayer.Classes=string(0:9)
cLayer=ClassificationOutputLayer及其属性:名称:'ClassificationLayer\u activation\u 1'类:[0 1 2 3 4 5 6 7 8 9]类权重:'none'输出大小:10个超参数丢失函数:'crossentropyex'
lgraph=替换层(lgraph,“分类层\激活\ 1”,克莱尔);
使用装配网络
。该函数返回一个达格网络
准备用于预测的对象。
net=汇编网络(lgraph)
net=DAG网络,具有以下属性:层:[15x1 nnet.cnn.layer.layer]连接:[15x2表]输入名称:{'input_1'}输出名称:{'ClassificationLayer_activation_1'}
进口卡拉斯网络
|装配网络
|替换层
|进口卡拉斯层
|列车网络
|分层图
|达格网络
|findPlaceholderLayers