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
主题
内置的层
- 指定的卷积神经网络层
了解卷积神经网络的层(事先),他们出现在一个事先和秩序。 - 创建简单的深度学习神经网络分类
这个例子展示了如何创建和训练一个简单的卷积神经网络进行深度学习分类。 - 火车卷积神经网络回归
这个例子展示了如何使用卷积神经网络适合回归模型预测手写数字的旋转角度。 - 深度学习层的列表
发现所有的深度学习MATLAB的层。 - 构建网络与深度网络设计师
交互式地建立和编辑在深深度学习网络网络设计师。 - 深度学习在MATLAB
发现深度学习能力在MATLAB使用卷积神经网络分类和回归,包括pretrained网络和学习,转移和培训在gpu, cpu,集群和云。 - 深度学习技巧和窍门
学习如何提高深度学习网络的准确性。 - 深度学习的数据集
发现数据集各种深度学习任务。 - 多和多输出网络
学习如何定义和火车深度学习和多输入和多输出网络。 - 例子深入学习网络架构
这个例子显示了如何定义简单的深度学习神经网络分类和回归的任务。
自定义图层
- 定义定制的深度学习层
学习如何定义定制的深度学习层。 - 定义定制的深度学习过渡层
学习如何定义定制的深度学习过渡层。 - 自定义输出层深度学习
学习如何自定义输出层深度学习。 - 检查自定义层有效性
了解如何检查的有效性定义深度学习层。 - 替换支持Keras层万博1manbetx和功能层
这个例子展示了如何导入层从pretrained Keras网络取代不支持层和功能层,和组装层准备网络预测。万博1manbetx