Постройте график слоев нейронной сети
plot( строит схему графика слоев lgraph)lgraph. plot функционируйте помечает каждый слой его именем и отображает все связи слоя.
Чтобы анализировать сетевую архитектуру и создать интерактивную сетевую визуализацию, используйте analyzeNetwork.
Создайте график слоев из массива слоев. Соедините 'relu_1' слой к 'add' слой.
layers = [
imageInputLayer([32 32 3],'Name','input')
convolution2dLayer(3,16,'Padding','same','Name','conv_1')
batchNormalizationLayer('Name','BN_1')
reluLayer('Name','relu_1')
convolution2dLayer(3,16,'Padding','same','Stride',2,'Name','conv_2')
batchNormalizationLayer('Name','BN_2')
reluLayer('Name','relu_2')
additionLayer(2,'Name','add')];
lgraph = layerGraph(layers);
lgraph = connectLayers(lgraph,'relu_1','add/in2');Постройте график слоев.
figure plot(lgraph);
Загрузите предварительно обученную сверточную нейронную сеть GoogLeNet как DAGNetwork объект. Если Модель Deep Learning Toolbox™ для пакета Сетевой поддержки GoogLeNet не установлена, то программное обеспечение обеспечивает ссылку на загрузку.
net = googlenet
net =
DAGNetwork with properties:
Layers: [144×1 nnet.cnn.layer.Layer]
Connections: [170×2 table]
Постройте сеть.
figure('Units','normalized','Position',[0.1 0.1 0.8 0.8]); plot(net)
Загрузите предварительно обученную сверточную нейронную сеть AlexNet как SeriesNetwork объект. Если Модель Deep Learning Toolbox™ для пакета Сетевой поддержки AlexNet не установлена, то программное обеспечение обеспечивает ссылку на загрузку.
net = alexnet
net =
SeriesNetwork with properties:
Layers: [25x1 nnet.cnn.layer.Layer]
InputNames: {'data'}
OutputNames: {'output'}
Постройте сеть.
plot(net)
addLayers | analyzeNetwork | connectLayers | disconnectLayers | layerGraph | removeLayers | replaceLayer