Документация

Сверточная нейронная сеть AlexNet. Для предварительно обученной модели AlexNet смотрите alexnet.

Сверточная нейронная сеть GoogLeNet. Для предварительно обученной модели GoogLeNet смотрите googlenet.

Модели сверточной нейронной сети от Caffe. Для импорта предварительно обученной сети от Caffe смотрите importCaffeNetwork.

DeepLab v3 + сверточная нейронная сеть. Для получения дополнительной информации смотрите deeplabv3plusLayers.

Сверточная нейронная сеть DenseNet-201. Для предварительно обученной модели DenseNet-201 смотрите densenet201.

Сверточная нейронная сеть Inception-v3. Для предварительно обученной модели Inception-v3 смотрите inceptionv3.

Сверточная нейронная сеть MobileNet-v2. Для предварительно обученной модели MobileNet-v2 смотрите mobilenetv2.

ResNet-18, ResNet-50 и сверточные нейронные сети ResNet-101. Для предварительно обученных моделей ResNet смотрите resnet50, resnet18, и resnet101.

Мультикласс pixelwise сеть сегментации. Для получения дополнительной информации смотрите segnetLayers.

Маленькая глубокая нейронная сеть. Для предварительно обученных моделей SqueezeNet смотрите squeezenet.

Сверточная нейронная сеть VGG-16. Для предварительно обученной модели VGG-16 смотрите vgg16.

Сверточная нейронная сеть VGG-19. Для предварительно обученной модели VGG-19 смотрите vgg19.

Сверточная нейронная сеть Xception. Для предварительно обученной модели Xception смотрите xception.

Вы только смотрите однажды версия 2 основанный на сверточной нейронной сети детектор объектов. Для получения дополнительной информации смотрите yolov2Layers

Слой Addition.

Средний слой объединения.

Пакетный слой нормализации.

Создайте классификацию выходной слой.

Отсеченный слой Rectified Linear Unit (ReLU).

Слой конкатенации берет входные параметры и конкатенирует их в заданном измерении.

2D слой свертки.

Слой, который применяет 2D обрезку к входу.

Мудрый каналом локальный слой нормализации ответа.

Слой конкатенации глубины.

Слой классификации пикселей с помощью обобщенной потери dice в семантической сегментации.

Слой Dropout.

Слой Exponential linear unit (ELU).

Полносвязный слой.

Глобальный средний слой объединения для пространственных данных.

2D сгруппированный сверточный слой.

Генерация кода для графического процессора ARM Mali не поддержана для 2D сгруппированного слоя свертки, который имеет NumGroups набор свойств как 'channel-wise' или значение, больше, чем два.

Отобразите входной слой.

Текучий слой Rectified Linear Unit (ReLU).

Слой Long short-term memory (LSTM).

Слой объединения Max.

Слой необъединения Max.

Все выходные слои включая пользовательскую классификацию или регрессию выводят слои, созданные при помощи nnet.layer.ClassificationLayer или nnet.layer.RegressionLayer.

Для примера, показывающего, как задать пользовательскую классификацию выходной слой и задать функцию потерь, смотрите, Задают Пользовательскую Классификацию Выходной Слой (Deep Learning Toolbox).

Для примера, показывающего, как задать пользовательскую регрессию выходной слой и задать функцию потерь, смотрите, Задают Пользовательскую Регрессию Выходной Слой (Deep Learning Toolbox).

Создайте слой классификации пикселей для семантической сегментации.

Создайте регрессию выходной слой.

Слой Rectified Linear Unit (ReLU).

Последовательность ввела слой.

Слой Softmax.

Гиперболическая касательная (tanh) слой.

Создайте транспонированный 2D слой свертки.

Генерация кода не поддерживает асимметричную обрезку входа. Например, задавая векторный [t b l r] для 'Cropping' параметр, чтобы обрезать верхнюю часть, нижнюю часть, оставленную, и право на вход, не поддержан.

Слой встраивания слова сопоставляет словари с векторами.

Создайте выходной слой для сети обнаружения объектов YOLO v2.

Создайте слой перестройки для сети обнаружения объектов YOLO v2.

Создайте преобразовывают слой для сети обнаружения объектов YOLO v2.

Сгладьте активации в 1D C-стиль принятия (упорядоченный по строкам) порядок.

Глобальный средний слой объединения для пространственных данных.

Сигмоидальный слой активации.

Гиперболический слой активации касательной.

Нулевой дополнительный слой для 2D входа.

Слой, который выполняет поэлементное масштабирование входа, сопровождаемого сложением.

Сглаживает пространственные размерности входного тензора к размерностям канала.

Слой, который реализует единичный оператор ONNX™.

Обнаружьте объекты с помощью детектора объектов YOLO v2