深度学习自定义层
自定义层深度学习
您可以定义自己的自定义层深度学习的问题。您可以指定一个自定义损失函数使用一个自定义输出层和自定义层有或没有可学的参数。定义一个自定义层之后,可以检查层有效,GPU兼容,并输出正确定义渐变。
功能
主题
自定义图层概述
- 定义定制的深度学习层
学习如何定义定制的深度学习层。 - 定义定制的深度学习过渡层
学习如何定义定制的深度学习过渡层。 - 自定义输出层深度学习
学习如何自定义输出层深度学习。
定制的中间层次
- 定义定制的深度学习层与可学的参数
这个例子展示了如何定义一个PReLU层和使用卷积神经网络。 - 定义定制的深度学习与多个输入层
这个例子展示了如何定义一个自定义加权加法层和使用卷积神经网络。 - 定义定制的深度学习与格式化输入层
这个例子显示了如何定义一个自定义层和格式化dlarray输入。 - 定义定制的复发性深度学习层
这个例子显示了如何定义一个窥视孔LSTM层神经网络并使用它。 - 指定自定义层反向功能
这个例子显示了如何定义一个向后PReLU层和指定一个自定义函数。 - 自定义层加速度函数
向前加速自定义层缓存和重用跟踪和预测功能。 - 定义定制的深度学习层代码生成
这个例子显示了如何定义一个PReLU层支持代码生成。万博1manbetx - 组装网络从Pretrained Keras层
这个例子展示了如何导入层从pretrained Keras网络取代不支持自定义层的层,和组装层准备网络预测。万博1manbetx - 替换支持Keras层万博1manbetx和功能层
这个例子展示了如何导入层从pretrained Keras网络取代不支持层和功能层,和组装层准备网络预测。万博1manbetx
自定义输出层
- 自定义分类输出层
这个例子显示了如何定义一个自定义分类输出层与误差平方和(SSE)损失和卷积神经网络中使用它。 - 定义定制的回归输出层
这个例子显示了如何定义一个自定义回归输出层与平均绝对误差(MAE)损失和使用卷积神经网络。 - 指定自定义输出层向后损失函数
这个例子显示了如何定义一个自定义分类输出层与误差平方和(SSE)损失和损失函数指定一个自定义的落后。
网络组成和嵌套层
- 深入学习网络组成
自定义图层包含层图。 - 定义嵌套深度学习层
这个例子展示了如何定义一个嵌套深度学习层。 - 火车深学习网络嵌套层
这个例子展示了如何训练一个网络嵌套层。
检查层有效性
- 检查自定义层有效性
了解如何检查的有效性定义深度学习层。
