主要内容

assembleNetwork

从预先训练的层中组装深度学习网络

折叠所有页面

语法

assembledNet = assembleNetwork(layers)

描述

assembleNetwork无需训练即可从层中创建深度学习网络。

使用assembleNetwork针对以下任务:

  • 将层数组或层图转换为可供预测的网络。

  • 从导入的层组装网络。

  • 修改训练网络的权重。

要从零开始训练网络，请使用trainNetwork．

例子

assembledNet= assembleNetwork (层）组装层数组或层图形层进入深度学习网络，准备用于预测。

例子

全部折叠

这个例子使用了:

打开实时脚本

从预训练的Keras网络导入层，用自定义层替换不支持的层，并将这些层组装成一个网络，以便进行预测。万博1manbetx

导入Keras网络

从Keras网络模型导入层。美国的网络“digitsDAGnetwithnoise.h5”对数字图像进行分类。

文件名=“digitsDAGnetwithnoise.h5”；lgraph = importKerasLayers(文件名，“ImportWeights”,真正的);
警告:无法导入一些Keras层，因为深度学习工具箱不支持它们。万博1manbetx它们已被占位符层所取代。为了找到这些层，在返回的对象上调用findPlaceholderLayers函数。

Keras网络包含一些深度学习工具箱不支持的层。万博1manbetx的importKerasLayers函数显示警告并将不支持的层替换为占位符层。万博1manbetx

替换占位符图层

要替换占位符层，首先确定要替换的层的名称。找到占位符层使用findPlaceholderLayers并显示他们的Keras配置。

placeholderLayers = findPlaceholderLayers(lgraph);placeholderLayers。KerasConfiguration
ans =带字段的结构:可训练:1名:'gaussian_noise_1' stddev: 1.5000
ans =带字段的结构:可训练:1名:'gaussian_noise_2' stddev: 0.7000

通过保存文件定义一个自定义高斯噪声层gaussianNoiseLayer.m在当前文件夹中。然后，创建两个高斯噪声层，与导入的Keras层配置相同。

gnLayer1 = gaussianNoiseLayer(1.5，“new_gaussian_noise_1”）;gnLayer2 = gaussianNoiseLayer(0.7，“new_gaussian_noise_2”）;

使用自定义层替换占位符层replaceLayer．

lgraph =替换层(lgraph，“gaussian_noise_1”, gnLayer1);lgraph =替换层(lgraph，“gaussian_noise_2”, gnLayer2);

指定类名

导入的分类层不包含类，因此必须在组装网络之前指定这些类。如果您没有指定类，那么软件将自动将类设置为1，2、……N,在那里N是类的数量。

分类层有名称“ClassificationLayer_activation_1”．将类设置为0，1、……9，然后将导入的分类层替换为新的分类层。

cLayer = lgraph.Layers(end);粘土。class = string(0:9);lgraph =替换层(lgraph，“ClassificationLayer_activation_1”、粘土);

组装网络

使用组合图层图assembleNetwork．函数返回一个DAGNetwork对象，该对象已准备用于预测。

net =汇编网络(lgraph)
net = DAGNetwork with properties: Layers: [15x1 nnet.cnn.layer.Layer] Connections: [15x2 table] InputNames: {'input_1'} OutputNames: {'ClassificationLayer_activation_1'}

输入参数

全部折叠

网络层，指定为a层数组或LayerGraph对象。

要创建所有层按顺序连接的网络，可以使用层数组作为输入参数。在本例中，返回的网络是aSeriesNetwork对象。

有向无环图(DAG)网络具有复杂的结构，其中各层可以有多个输入和输出。如果要创建DAG网络，请将网络架构指定为LayerGraph对象，然后使用该层图作为输入参数assembleNetwork．

的assembleNetwork函数支持最多一个序万博1manbetx列输入层的网络。

有关内置层的列表，请参见深度学习层列表．

输出参数

全部折叠

已组装的网络准备进行预测，返回为SeriesNetwork对象或DAGNetwork对象。返回的网络依赖于层输入参数:

  • 如果层是一个层数组,然后assembledNet是一个SeriesNetwork对象。

  • 如果层是一个LayerGraph对象,然后assembledNet是一个DAGNetwork对象。

版本历史

在R2018b中引入

另请参阅

|||||

主题