densenet201

DenseNet-201卷积神经网络

全部折叠在页面中

语法

网= densenet201
网= densenet201(“权重”,“imagenet”)
lgraph = densenet201(“权重”,“没有一个”)

描述

DenseNet-201是一个深度为201层的卷积神经网络。您可以从ImageNet数据库中加载经过训练的网络的预训练版本，该版本包含超过一百万张图像[1]。预先训练的网络可以将图像分类成1000个对象类别，例如键盘、鼠标、铅笔和许多动物。因此，该网络已经为各种各样的图像学习了丰富的特性表示。该网络的图像输入大小为224×224。用于MATLAB中更多的预训练网络®,请参阅预先训练的深度神经网络。

您可以使用分类使用DenseNet-201模型对新图像进行分类。遵循使用GoogLeNet对图像进行分类用DenseNet-201取代GoogLeNet。

若要对网络进行新的分类任务再培训，请执行以下步骤训练深度学习网络对新图像进行分类载入DenseNet-201而不是GoogLeNet。

例子

净= densenet201返回一个在ImageNet数据集上训练的DenseNet-201网络。

此功能需要DenseNet-201网络支持包的深度学习工具箱™模型。万博1manbetx如果未安装此支持万博1manbetx包，则该函数提供下载链接。

净= densenet201(“权重”,“imagenet”)返回一个在ImageNet数据集上训练的DenseNet-201网络网= densenet201。

lgraph= densenet201(“权重”,“没有”)返回未经训练的DenseNet-201网络架构。未经训练的模型不需要支持包。万博1manbetx

例子

全部折叠

下载并安装深度学习工具箱模型densenet - 201网络万博1manbetx支持包。

类型densenet201在命令行。

densenet201

如果深度学习工具箱模型densenet - 201网络万博1manbetx支持包未安装，则该函数在附加项资源管理器中提供到所需支持包的链接。要安装支持包，请单击链接，然后万博1manbetx单击安装。输入以下命令，检查安装是否成功densenet201在命令行。如果安装了所需的支持包，则函数返万博1manbetx回DAGNetwork对象。

densenet201
属性:Layers:[709×1 nnet.cn .layer. layer]连接:[806×2 table]

输出参数

全部折叠

训练前的DenseNet-201卷积神经网络，作为a返回DAGNetwork对象。

未经训练的DenseNet-201卷积神经网络架构，作为a返回LayerGraph对象。

参考文献

[1]ImageNet。http://www.image-net.org

黄，高，刘庄，Laurens Van Der Maaten，和Kilian Q. Weinberger。“紧密相连的卷积网络。”InCVPR，第1卷第1期2,p。3。2017.

扩展功能

另请参阅

|||||||||||||

主题

介绍了R2018a

深度学习工具箱文档
万博1manbetx
介绍用MATLAB进行深度学习

介绍用MATLAB进行深度学习

下载电子书