Импорт глубокого обучения, экспорт и индивидуальная настройка

Импортируйте и экспортируйте сети, задайте пользовательские слои глубокого обучения и настройте хранилища данных

Импортируйте сети и сетевую архитектуру от TensorFlow™-Keras, Caffe и формата модели ONNX™ (Open Neural Network Exchange). Можно также экспортировать обученную сеть Deep Learning Toolbox™ в формат модели ONNX.

Можно задать собственный слой глубокого обучения для проблемы. Можно задать пользовательские выходные слои и пользовательские слои с или без learnable параметров. Например, можно использовать пользовательский взвешенный слой классификации со взвешенной перекрестной энтропийной потерей для проблем классификации с неустойчивым распределением классов. Можно проверять слои на валидность, совместимость графического процессора и правильно заданные градиенты.

Для данных, которые не помещаются в память, можно создать и настроить хранилища данных, чтобы предварительно обработать данные для учебных нейронных сетей для глубокого обучения.

Функции

развернуть все

importKerasNetworkИмпортируйте предварительно обученную сеть Keras и веса
importKerasLayersИмпортируйте слои из сети Keras
importCaffeNetworkИмпортируйте предварительно обученные сверточные модели нейронной сети из Caffe
importCaffeLayersИмпортируйте сверточные слои нейронной сети из Caffe
importONNXNetworkИмпортируйте предварительно обученную сеть ONNX
importONNXLayersИмпортируйте слои из сети ONNX
exportONNXNetworkСеть экспорта к формату модели ONNX
findPlaceholderLayersНайдите слои заполнителя в сетевой архитектуре импортированными из Keras или ONNX
replaceLayerЗамените слой в графике слоя
assembleNetworkСоберите нейронную сеть для глубокого обучения от предварительно обученных слоев
PlaceholderLayerСлой, заменяющий неподдерживаемый слой Keras или ONNX
setLearnRateFactorУстановите изучают фактор уровня слоя learnable параметр
setL2FactorУстановите фактор регуляризации L2 слоя learnable параметр
getLearnRateFactorДоберитесь изучают фактор уровня слоя learnable параметр
getL2FactorПолучите фактор регуляризации L2 слоя learnable параметр
checkLayerПроверяйте валидность пользовательского слоя
matlab.io.datastore.MiniBatchableДобавьте мини-пакетную поддержку datastore

Темы

Пользовательские слои

Задайте пользовательские слои глубокого обучения

Узнать, как задавать пользовательские слои глубокого обучения

Проверяйте пользовательскую валидность слоя

Узнать, как проверять валидность пользовательских слоев глубокого обучения

Задайте пользовательский слой глубокого обучения с параметрами Learnable

Этот пример показывает, как задать слой PReLU и использовать его в сверточной нейронной сети.

Задайте пользовательский слой глубокого обучения с несколькими входными параметрами

Этот пример показывает, как задать пользовательский взвешенный слой сложения и использовать его в сверточной нейронной сети.

Задайте пользовательскую классификацию Выходной слой

Этот пример показывает, как задать пользовательскую классификацию выходной слой с ошибкой суммы квадратов (SSE) потеря и использовать его в сверточной нейронной сети.

Задайте пользовательский взвешенный слой классификации

Этот пример показывает, как задать и создать пользовательскую взвешенную классификацию выходной слой со взвешенной перекрестной энтропийной потерей.

Задайте пользовательскую регрессию Выходной слой

Этот пример показывает, как задать пользовательскую регрессию выходной слой с потерей средней абсолютной погрешности (MAE) и использовать его в сверточной нейронной сети.

Индивидуальная настройка datastore

Хранилища данных для глубокого обучения

Узнать, как использовать хранилища данных в применении глубокого обучения.

Подготовьте Datastore к регрессии от изображения к изображению

Этот пример показывает, как подготовить datastore к обучению сеть регрессии от изображения к изображению использование transform и функций combine ImageDatastore.

Обучите сеть Используя данные о последовательности из памяти

Этот пример показывает, как обучить нейронную сеть для глубокого обучения на данных о последовательности из памяти путем преобразования и объединения хранилищ данных.

Классифицируйте текстовые данные Используя сверточную нейронную сеть

Этот пример показывает, как классифицировать текстовые данные с помощью сверточной нейронной сети.

Классифицируйте текстовые данные из памяти Используя глубокое обучение

Этот пример показывает, как классифицировать текстовые данные из памяти с нейронной сетью для глубокого обучения с помощью преобразованного datastore.

Сетевое обучение и блок

Советы глубокого обучения и приемы

Узнать, как улучшить точность нейронных сетей для глубокого обучения.

Задайте пользовательскую функцию инициализации веса

Этот пример показывает, как создать пользовательское Он, инициализация веса функционирует для слоев свертки, сопровождаемых текучими слоями ReLU.

Соберите сеть от предварительно обученных слоев Keras

Этот пример показывает, как импортировать слои из предварительно обученной сети Keras, заменить неподдерживаемые слои на пользовательские слои и собрать слои в сеть, готовую к прогнозу.

Настройте Вывод во время обучения нейронной сети для глубокого обучения

Этот пример показывает, как задать выходную функцию, которая запускается в каждой итерации во время обучения глубоких нейронных сетей.

Популярные примеры

Для просмотра документации необходимо авторизоваться на сайте