Сеть Directed acyclic graph (DAG) для глубокого обучения
Сеть ДАГА является нейронной сетью для глубокого обучения для слоев, расположенных как направленный граф без петель. Сеть ДАГА может иметь более комплексную архитектуру, в которой слои имеют входные параметры от нескольких слоев и выходных параметров к нескольким слоям.
Существует несколько способов создать DAGNetwork
объект:
Загрузите предварительно обученную сеть такой как squeezenet
, googlenet
, resnet50
, resnet101
, или inceptionv3
. Для примера смотрите Загрузку Сеть SqueezeNet. Для получения дополнительной информации о предварительно обученных сетях, смотрите Предварительно обученные Глубокие нейронные сети.
Обучите или подстройте сетевое использование trainNetwork
. Для примера смотрите, Обучают Нейронную сеть для глубокого обучения Классифицировать Новые Изображения.
Импортируйте предварительно обученную сеть из TensorFlow™-Keras, Caffe или формата модели ONNX™ (Open Neural Network Exchange).
Для модели Keras использовать importKerasNetwork
. Для примера смотрите Импорт и График Сеть Keras.
Для модели Caffe использовать importCaffeNetwork
. Для примера смотрите Импорт Сеть Caffe.
Для модели ONNX использовать importONNXNetwork
. Для примера смотрите Импорт Сеть ONNX.
Примечание
Чтобы узнать о других предварительно обученных сетях, смотрите Предварительно обученные Глубокие нейронные сети.
activations | Вычислите активации слоя нейронной сети для глубокого обучения |
classify | Классифицируйте данные с помощью обученной глубокой нейронной сети |
predict | Предскажите ответы с помощью обученной глубокой нейронной сети |
plot | Постройте график слоев нейронной сети |
analyzeNetwork
| assembleNetwork
| classify
| googlenet
| importKerasNetwork
| inceptionresnetv2
| inceptionv3
| layerGraph
| plot
| predict
| resnet101
| resnet18
| resnet50
| SeriesNetwork
| squeezenet
| trainingOptions
| trainNetwork