加载pretrained SqueezeNet卷积神经网络。

网= squeezenet

网= DAGNetwork属性:层:[68×1 nnet.cnn.layer.Layer]连接:[75×2表]InputNames:{“数据”}OutputNames: {“ClassificationLayer_predictions”}

出口网络净作为ONNX格式文件squeezenet.onnx。保存文件到当前文件夹。如果ONNX模型格式的深度学习工具箱转换器支持包没有安装万博1manbetxexportONNXNetwork提供了一个链接到需要在插件浏览器支持包。万博1manbetx安装支持包,单击该链接,然后单万博1manbetx击安装。

文件名=“squeezenet.onnx”;exportONNXNetwork(净、文件名)

现在您可以导入squeezenet.onnx文件在任何深度学习框架,支持ONNX导入。万博1manbetx

出口一层图有或没有一个输出层ONNX格式使用exportONNXNetwork。

加载一个pretrained SqueezeNet卷积神经网络,pretrained网络转换为一层图。

网= squeezenet;lgraph1 = layerGraph(净)

lgraph1 = LayerGraph属性:层:[68×1 nnet.cnn.layer.Layer]连接:[75×2表]InputNames:{“数据”}OutputNames: {“ClassificationLayer_predictions”}

分析了层图。analyzeNetwork显示一个交互式的网络体系结构的情节和一个表包含关于网络层的信息。你也可以检测层图中的错误和问题lgraph1之前出口到ONNX格式。lgraph1错误是免费的。

analyzeNetwork (lgraph1)

导出层图lgraph1作为一个ONNX格式文件在当前文件夹squeezeLayers1.onnx。

exportONNXNetwork (lgraph1“squeezeLayers1.onnx”)

现在,您可以导入squeezeLayers1.onnx文件在任何深度学习框架,支持ONNX导入。万博1manbetx

删除的输出层lgraph1。

lgraph2 = removeLayers (lgraph1 lgraph1.Layers(结束). name)

lgraph2 = LayerGraph属性:层:[67×1 nnet.cnn.layer.Layer]连接:[74×2表]InputNames:{“数据”}OutputNames:{1×0细胞}

分析了层图lgraph2通过使用analyzeNetwork。层图分析检测到一个失踪无关的输出层和一个输出。你仍然可以出口lgraph2ONNX格式。

analyzeNetwork (lgraph2)

导出层图lgraph2作为一个ONNX格式文件在当前文件夹squeezeLayers2.onnx。

exportONNXNetwork (lgraph2“squeezeLayers2.onnx”)

现在,您可以导入squeezeLayers2.onnx文件在任何深度学习框架,支持ONNX导入。万博1manbetx