深度学习自定义层
为深度学习定义自定义层
您可以为您的问题定义自己的自定义深度学习层。您可以使用自定义输出层指定自定义损失函数,并定义带有或不带有可学习参数的自定义层。定义自定义层后,可以检查该层是否有效,GPU是否兼容,并输出正确定义的梯度。
功能
主题
自定义中间层
这个例子展示了如何定义PReLU层,并在卷积神经网络中使用它。
这个例子展示了如何定义一个自定义加权加法层,并在卷积神经网络中使用它。
这个例子展示了如何使用格式化定义一个自定义层dlarray
输入。
这个例子展示了如何定义窥视孔LSTM层,并在神经网络中使用它。
这个例子展示了如何定义一个PReLU层和指定一个自定义向后函数。
这个例子展示了如何定义一个支持代码生成的PReLU层。万博1manbetx
这个示例展示了如何从预训练的Keras网络导入层,用自定义层替换不支持的层,并将这些层组装成一个网络,以便进行预测。万博1manbetx
这个示例展示了如何从预训练的Keras网络导入层,用功能层替换不支持的层,并将这些层组装成一个网络,以便进行预测。万博1manbetx
自定义输出层
这个例子展示了如何定义具有平方和误差损失(SSE)的自定义分类输出层,并在卷积神经网络中使用它。
这个例子展示了如何定义具有平均绝对误差(MAE)损失的自定义回归输出层,并在卷积神经网络中使用它。
此示例演示如何定义具有平方和误差损失(SSE)的自定义分类输出层,并指定自定义向后损失函数。