替换剂

替换图层图中的图层

在页面上崩溃

句法

newlgraph = replaceLayer (lgraph layerName larray)

newlgraph = replaceLayer (lgraph layerName、larray ReconnectBy,模式)

描述

例子

Newlgraph..= replaceLayer (LGRAPH.那layerName那勒拉雷的）取代了层layerName在图层图中LGRAPH.图层都在里面了勒拉雷．

替换剂将各层连接起来勒拉雷顺序和连接勒拉雷进入层图。

例子

Newlgraph..= replaceLayer (LGRAPH.那layerName那勒拉雷“ReconnectBy”,模式的）另外指定重新连接图层的方法。

例子

全部折叠

在层图中替换层

打开生活的脚本

定义一个简单的网络架构并绘制它。

[imageInputLayer([28 28 1]，])，'姓名'那'输入') convolution2dLayer(3, 16岁,“填充”那“相同”那'姓名'那'conv_1'）剥离（'姓名'那'relu_1') additionLayer (2'姓名'那'添加') fullyConnectedLayer (10'姓名'那“俱乐部”) softmaxLayer ('姓名'那'softmax') classificationLayer ('姓名'那'classOutpul'));lgraph = layerGraph(层);lgraph = connectLayers (lgraph,'输入'那“添加/ in2”）;图绘图（LGraph）

图包含轴对象。轴对象包含Type Graphplot的对象。

将网络中的ReLU层替换为批处理归一化层，然后是一个泄漏的ReLU层。

larray = [batchNormalizationLayer ('姓名'那'bn1'）漏滤泡（'姓名'那'leakyrelu_1'那“规模”，0.1）];Lgraph =替换剂（LGROPLAYER（'relu_1'，larray）;情节（LGraph）

图包含轴对象。轴对象包含Type Graphplot的对象。

从佩带的Keras层组装网络

这个示例使用:

打开生活的脚本

此示例显示如何从佩带的keras网络导入图层，将不受限制的图层替换为自定义图层，并将图层组装到准备预测的网络中。万博1manbetx

进口Keras网络

从KERAS网络模型导入图层。网络in.'digitsdagnetwithnoise.h5'分类数字图像。

filename ='digitsdagnetwithnoise.h5'；lgraph = importKerasLayers(文件名,“ImportWeights”，真的）;

警告:无法导入一些Keras层，因为它们不被深度学习工具箱支持。万博1manbetx它们已经被占位符层所取代。要查找这些层，调用返回对象上的函数findPlaceholderLayers。

Keras网络包含一些深度学习工具箱不支持的层。万博1manbetx的importKerasLayers函数显示警告，并用占位符图层替换不受支持的图层。万博1manbetx

使用图层图绘制阴谋．

图绘制(lgraph)标题(“进口网络”的）

图包含轴对象。具有标题导入网络的轴对象包含Type GraphPlot的对象。

更换占位符层

要替换占位符层，请首先识别要替换的图层的名称。查找占位符层使用findPlaceholderLayers．

PlaceHolderLayers = FindPlaceHolderlayers（Lapraph）

placeholderLayers = 2x1 PlaceholderLayer array with layers: 1' gaussian_noise_1' PLACEHOLDER LAYER PLACEHOLDER for 'GaussianNoise' Keras LAYER 2' gaussian_noise_2' PLACEHOLDER LAYER PLACEHOLDER for 'GaussianNoise' Keras LAYER

显示这些图层的Keras配置。

placeholderlayers.kerasconfiguration.

ANS =.结构体字段:培训：1名称：'Gaussian_Noise_1'STDDEV：1.5000

ANS =.结构体字段:可训练:1 name: 'gaussian_noise_2' stddev: 0.7000

定义自定义高斯噪声层。要创建此图层，请保存文件Gaussiannoiselayer.m.在当前文件夹中。然后，创建两个高斯噪声层，配置与导入的Keras层相同。

Gnlayer1 =高斯登机会（1.5，'new_gaussian_noise_1'）;gnLayer2 = gaussianNoiseLayer (0.7,'new_gaussian_noise_2'）;

使用自定义图层替换占位符层替换剂．

Lgraph =替换剂（LGROPLAYER（'gaussian_noise_1'，gnlayer1）;Lgraph =替换剂（LGROPLAYER（'gaussian_noise_2', gnLayer2);

使用绘制更新的层图阴谋．

图绘制(lgraph)标题(“用替换层的网络”的）

图包含轴对象。带有替换图层的标题网络的轴对象包含了Type Graphplot的对象。

指定类名

如果导入的分类层不包含类，则必须在预测之前指定这些类。如果不指定类，则软件会自动将类设置为1那2，......，N.，在哪里N.是课程的数量。

通过查看来找分类层的索引层数层图的性质。

lgraph.Layers.

ans = 15x1图层数组:1“input_1”图像输入28 x28x1图片2的conv2d_1卷积20 7 x7x1旋转步[1]和填充“相同”3“conv2d_1_relu”ReLU ReLU 4 conv2d_2的卷积20 3 x3x1旋转步[1]和填充“相同”5“conv2d_2_relu”ReLU ReLU 6 new_gaussian_noise_1高斯噪声的高斯噪声标准差为1.5 7new_gaussian_noise_2高斯噪声的高斯噪声标准差为0.7 8“max_pooling2d_1”马克斯池2 x2马克斯池步(2 - 2)和填充“相同”9“max_pooling2d_2”马克斯池2 x2马克斯池步(2 - 2)和填充“相同”10 ' flatten_1 Keras平压平激活成一维假设c风格的(行)11' Flatten ' Flatten激活到1-D假设C-style(行-主要)顺序12 'concatenate_1' Depth concatenate_1' Depth concatenate_1' Fully Connected 10 Fully Connected layer 14 'activation_1' Softmax Softmax 15 'ClassificationLayer_activation_1' Classification Output crossentropyex

分类层具有名称“ClassificationLayer_activation_1”．查看分类层并检查课堂财产。

粘土= lgraph.Layers(结束)

cLayer = ClassificationOutputLayer with properties: Name: 'ClassificationLayer_activation_1' Classes: 'auto' ClassWeights: 'none' OutputSize: 'auto' Hyperparameters LossFunction: 'crossentropyex'

因为课堂属性为'汽车'，则必须手动指定类。将类设置为0.那1，......，9.，然后用新的分类层替换导入的分类层。

粘土。类=字符串(0:9)

class: [0 1 2 3 4 5 6 7 8 9] ClassWeights: 'none' OutputSize: 10 Hyperparameters LossFunction: 'crossentropyex'

Lgraph =替换剂（LGROPLAYER（“ClassificationLayer_activation_1”，粘土）;

组装网络

使用层图assembleNetwork．函数返回Dagnetwork.准备用于预测的对象。

NET = ASSEMBLENETWORK（LGAPH）

net =具有属性的Dagnetwork：图层：[15x1 nnet.cnn.layer.layer]连接：[15x2表]输入名称：{'input_1'} OutputNames：{'classificationLayer_activation_1'}

输入参数

全部折叠

`LGRAPH.`-层图
`分层图`目的

层图，指定为分层图目的。要创建图层图，请使用layerGraph．

`layerName`-要替换的图层名称
字符串标量|字符向量

要替换的图层的名称，指定为字符串标量或字符向量。

`勒拉雷`-网络层
`层`数组

网络层，指定为层大批。

有关内置层的列表，请参见深度学习层列表．

`模式`-方法重新连接图层
`“名字”`（默认）|`“秩序”`

将指定为以下之一的图层重新连接以下方法：

“名字”——重新连接勒拉雷使用替换图层的输入和输出名称。对于连接到替换图层的输入的每个层，将该图层重新连接到相同输入名称的输入LARRAY（1）．对于连接到被替换层的输出的每一层，将该层重新连接到具有相同输出名称的输出LARRAY（END）．
“秩序”——重新连接勒拉雷使用输入名称的顺序LARRAY（1）的输出名称LARRAY（END）．重新连接连接到的层一世被替换层的输入一世输入LARRAY（1）．重新连接连接到的层j被替换层的输出j产出LARRAY（END）．