针对深度学习的针对非循环图(DAG)网络
DAG网络是一种用于深度学习的神经网络,其层排列为有向无环图。一个DAG网络可以有一个更复杂的架构,在这个架构中,各层有来自多个层的输入和向多个层的输出。
有几种方法可以创造一个Dagnetwork.
对象:
加载一个预先训练的网络,例如挤压
那googlenet
那resnet50
那Resnet101.
, 或者Inceptionv3.
.例如,请参见负载SqueezeNet网络.有关佩带网络的更多信息,请参阅预先训练的深度神经网络.
使用培训或微调网络使用Trainnetwork.
.例如,请参见训练深度学习网络对新图像进行分类.
从TensorFlow™-Keras、TensorFlow 2、Caffe或ONNX™(Open Neural network Exchange)模型格式导入预先训练的网络。
对于keras模型,使用importKerasNetwork
.例如,请参见导入和规划凯拉斯网络.
对于保存的模型格式的Tensorflow模型,使用importTensorFlowNetwork
.例如,请参见导入张量流网络作为DAGNetwork对图像进行分类.
对于Caffe模型,使用ImportCaffenetwork.
.例如,请参见进口咖啡网络.
对于Onnx模型,使用importonnxnetwork.
.例如,请参见将ONNX网络导入Dagnetwork.
使用使用的预净化层组装深度学习网络assembleNetwork
功能。
笔记
要了解其他预先训练过的网络,请看预先训练的深度神经网络.
Trainnetwork.
|trainingOptions
|importKerasNetwork
|layerGraph
|分类
|预测
|阴谋
|googlenet
|resnet18
|resnet50
|Resnet101.
|Inceptionv3.
|inceptionresnetv2
|挤压
|系列网络
|analyzeNetwork
|assembleNetwork