Глубокое обучение пользовательские слои

Задайте пользовательские слои для глубокого обучения

Можно задать собственный слой глубокого обучения для проблемы. Можно задать пользовательскую функцию потерь с помощью пользовательского выхода слои и задать пользовательские слои с или без настраиваемых параметров. Например, можно использовать пользовательский взвешенный слой классификации со взвешенной потерей перекрестной энтропии для проблем классификации с неустойчивым распределением классов. После определения пользовательского слоя можно проверять, что слой допустим, совместимый графический процессор, и выходные параметры правильно задал градиенты.

Функции

развернуть все

checkLayerПроверяйте валидность пользовательского слоя
setLearnRateFactorУстановите изучают фактор уровня настраиваемого параметра слоя
setL2FactorУстановитесь коэффициент регуляризации L2 настраиваемого параметра слоя
getLearnRateFactorДоберитесь изучают фактор уровня настраиваемого параметра слоя
getL2FactorПолучите фактор регуляризации L2 настраиваемого параметра слоя
findPlaceholderLayersНайдите слои заполнителя в сетевой архитектуре импортированными из Keras или ONNX
replaceLayerЗамените слой в графике слоев
assembleNetworkСоберите нейронную сеть для глубокого обучения от предварительно обученных слоев
PlaceholderLayerСлой, заменяющий неподдерживаемый слой Keras, слой ONNX или неподдерживаемую функциональность от functionToLayerGraph

Темы

Пользовательские промежуточные слои

Задайте пользовательские слои глубокого обучения

Узнать, как задавать пользовательские слои глубокого обучения.

Задайте пользовательский слой глубокого обучения с настраиваемыми параметрами

В этом примере показано, как задать слой PReLU и использовать его в сверточной нейронной сети.

Задайте пользовательский слой глубокого обучения с несколькими входными параметрами

В этом примере показано, как задать пользовательский взвешенный слой сложения и использовать его в сверточной нейронной сети.

Укажите, что пользовательский слой назад функционирует

В этом примере показано, как задать слой PReLU и задать пользовательскую обратную функцию.

Задайте пользовательский слой глубокого обучения для генерации кода

В этом примере показано, как задать слой PReLU, который поддерживает генерацию кода.

Пользовательские Выходные слои

Задайте пользовательскую классификацию Выходной слой

В этом примере показано, как задать пользовательскую классификацию выходной слой с ошибкой суммы квадратов (SSE) потеря и использовать его в сверточной нейронной сети.

Задайте пользовательский взвешенный слой классификации

В этом примере показано, как задать и создать пользовательскую взвешенную классификацию выходной слой со взвешенной потерей перекрестной энтропии.

Задайте пользовательскую регрессию Выходной слой

В этом примере показано, как задать пользовательскую регрессию выходной слой с потерей средней абсолютной погрешности (MAE) и использовать его в сверточной нейронной сети.

Задайте пользовательский Выходной слой обратная функция потерь

В этом примере показано, как задать взвешенный слой классификации и задать пользовательскую обратную функцию потерь.

Сетевой состав и вложенные слои

Состав нейронной сети для глубокого обучения

Задайте пользовательские слои, содержащие графики слоев.

Задайте вложенный слой глубокого обучения

В этом примере показано, как задать вложенный слой глубокого обучения.

Обучите нейронную сеть для глубокого обучения с вложенными слоями

В этом примере показано, как обучить сеть с вложенными слоями.

Проверяйте валидность слоя

Проверяйте пользовательскую валидность слоя

Узнать, как проверять валидность пользовательских слоев глубокого обучения.

Для просмотра документации необходимо авторизоваться на сайте