主要内容

建立深层神经网络

使用MATLAB构建神经网络的图像数据®代码或交互地使用深层网络设计师

创建新的深度网络图像分类和回归等任务从头定义网络体系结构。使用MATLAB或交互地使用构建网络深层网络设计师。

对于大多数任务,您可以使用内置的层。如果没有一个内置的层,你需要为你的任务,你可以定义自己的自定义层。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与可学的状态参数。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。支持层的列表,请参阅万博1manbetx深度学习层的列表。

模型层图不支持,您可以定义一个自定义模型作为一个函数。万博1manbetx欲了解更多,请看自定义训练循环,损失函数和网络。

应用程序

深层网络设计师 设计、可视化和火车深度学习网络

功能

全部展开

输入层

imageInputLayer 图像输入层
image3dInputLayer 三维图像输入层

卷积和完全连接层

convolution2dLayer 二维卷积层
convolution3dLayer 三维卷积层
groupedConvolution2dLayer 二维卷积层分组
transposedConv2dLayer 转置二维卷积层
transposedConv3dLayer 转置三维卷积层
fullyConnectedLayer 完全连接层

激活层

reluLayer 修正线性单元(ReLU)层
leakyReluLayer 漏水的解决线性单元(ReLU)层
clippedReluLayer 剪修正线性单元(ReLU)层
eluLayer 指数线性单元(ELU)层
tanhLayer 双曲正切(双曲正切)层
swishLayer 时髦的层
geluLayer 高斯误差线性单元(GELU)层
sigmoidLayer 乙状结肠层
softmaxLayer Softmax层
functionLayer 功能层

归一化层

batchNormalizationLayer 批归一化层
groupNormalizationLayer 集团标准化层
instanceNormalizationLayer 实例的归一化层
layerNormalizationLayer 一层一层正常化
crossChannelNormalizationLayer Channel-wise当地反应正常化层

工具层

dropoutLayer 辍学层
crop2dLayer 二维作物层
crop3dLayer 3 d作物层

池和Unpooling层

averagePooling2dLayer 平均池层
averagePooling3dLayer 三维平均池层
globalAveragePooling2dLayer 二维全球平均池层
globalAveragePooling3dLayer 三维全球平均池层
globalMaxPooling2dLayer 全球最大池层
globalMaxPooling3dLayer 全球3 d max池层
maxPooling2dLayer 马克斯池层
maxPooling3dLayer 3 d max池层
maxUnpooling2dLayer 马克斯unpooling层

结合层

additionLayer 添加层
multiplicationLayer 乘法层
concatenationLayer 连接层
depthConcatenationLayer 深度连接层

输出层

classificationLayer 分类输出层
regressionLayer 回归输出层
layerGraph 图深度学习的网络层
情节 情节神经网络架构
addLayers 添加层或网络层图
removeLayers 删除图层图层图或网络
replaceLayer 替换或网络层在层图
connectLayers 连接或网络层在层图
disconnectLayers 断开连接或网络层在层图
DAGNetwork 有向无环图(DAG)网络深度学习
resnetLayers 创建二维剩余网络
resnet3dLayers 创建三维残余网络
isequal 检查深度学习层图或网络的平等
isequaln 检查深度学习的平等层图或网络忽略南值
analyzeNetwork 分析深度学习网络体系结构
dlnetwork 深入学习网络定制培训循环
addInputLayer 添加输入层网络
总结 打印网络总结
初始化 可学的和状态参数进行初始化dlnetwork
networkDataLayout 深入学习网络参数初始化数据布局可学的
checkLayer 检查的有效性定义或功能层

主题

内置的层

自定义图层