将自定义层导入深层网络设计器

打开生活的脚本

这个例子展示了如何导入自定义分类输出层与误差平方和(SSE)损失，并将其添加到一个预先训练的网络在深网络设计器。

定义自定义分类输出层。要创建这个图层，保存文件sseClassificationLayer.m在当前文件夹中。有关构造此层的更多信息，请参见定义自定义分类输出层．

创建该层的实例。

sseClassificationLayer = sseClassificationLayer (上交所的）；

Open Deep Network Designer with a pretrained GoogLeNet Network。

deepNetworkDesigner (googlenet);

为了适应预先训练的网络，将最后的可学习层和最终的分类层替换为适应新数据集的新层。在GoogLeNet中，这些层都有名称“loss3-classifier”和“输出”,分别。

在设计师窗格，拖动一个新的fullyConnectedLayer从层的图书馆到画布上。集OutputSize转换为新的类数量，在本例中，2．

编辑学习速率，以学习更快的新层比在转移层。集WeightLearnRateFactor和BiasLearnRateFactor来10．删除最后一个完全连接的图层，然后连接你的新图层。

接下来，将输出层替换为自定义分类输出层。点击新在设计师窗格。暂停上从工作空间并点击进口．要导入自定义分类层，请选择sseClassificationLayer并点击好吧．

通过点击将该层添加到当前GoogLeNet预训练网络中添加．应用程序将自定义层添加到设计师窗格。要查看新图层，请使用鼠标放大或单击放大．

的底部拖动自定义层设计师窗格。用新的分类输出层替换输出层并连接新层。

通过点击来检查你的网络分析．如果深度学习网络分析仪报告零错误，网络就可以进行训练。

构建网络之后，就可以导入数据并进行培训了。有关在深度网络设计器中导入数据和培训的详细信息，请参见使用深度网络设计师进行迁移学习．

另请参阅

下载电子书