Загрузите предварительно обученную сверточную нейронную сеть GoogLeNet.

net = googlenet

net = 
  DAGNetwork with properties:

         Layers: [144×1 nnet.cnn.layer.Layer]
    Connections: [170×2 table]

Проанализируйте сеть. analyzeNetwork отображает интерактивный график сетевой архитектуры и таблицу, содержащую информацию о сетевых уровнях.

Исследуйте архитектуру сети, используя график слева. Выберите слой на графике. Выбранный слой подсвечивается на графике и в таблице слоев.

В таблице можно просмотреть такие сведения о слоях, как свойства слоев, тип слоев и размеры активированных слоев и обучаемые параметры. Активации уровня являются выходами этого уровня.

Выберите более глубокий уровень в сети. Обратите внимание, что активизации в более глубоких слоях меньше в пространственных размерах (первые два размера) и больше в размере канала (последний размер). Использование этой структуры позволяет сверточным нейронным сетям постепенно увеличивать количество выделенных признаков изображения при уменьшении пространственного разрешения.

Показать общее количество обучаемых параметров в каждом слое, щелкнув стрелку в правом верхнем углу таблицы слоев и выбрав «Всего обучаемых». Чтобы отсортировать таблицу слоев по значению столбца, наведите курсор мыши на заголовок столбца и щелкните появившуюся стрелку. Например, можно определить, какой слой содержит наибольшее количество параметров, путем сортировки слоев по общему количеству обучаемых параметров.

analyzeNetwork(net)

Создайте простую сверточную сеть с контекстными соединениями. Создайте главную ветвь сети в виде массива слоев и создайте график слоев из массива слоев. layerGraph соединяет все слои в layers последовательно.

layers = [
    imageInputLayer([32 32 3],'Name','input')
    
    convolution2dLayer(5,16,'Padding','same','Name','conv_1')
    reluLayer('Name','relu_1')
    
    convolution2dLayer(3,16,'Padding','same','Stride',2,'Name','conv_2')
    reluLayer('Name','relu_2') 
    additionLayer(2,'Name','add1')
    
    convolution2dLayer(3,16,'Padding','same','Stride',2,'Name','conv_3')
    reluLayer('Name','relu_3') 
    additionLayer(3,'Name','add2')
    
    fullyConnectedLayer(10,'Name','fc')
    classificationLayer('Name','output')];

lgraph = layerGraph(layers);

Создайте соединения быстрого вызова. Одно из контекстных соединений содержит один сверточный слой 1 на 1 skipConv.

skipConv = convolution2dLayer(1,16,'Stride',2,'Name','skipConv');
lgraph = addLayers(lgraph,skipConv);
lgraph = connectLayers(lgraph,'relu_1','add1/in2');
lgraph = connectLayers(lgraph,'add1','add2/in2');

Проанализируйте архитектуру сети. analyzeNetwork находит четыре ошибки в сети.

analyzeNetwork(lgraph)

Проверьте и исправьте ошибки в сети. В этом примере ошибки возникают из-за следующих проблем:

Примените эти изменения к построению графика слоев с начала этого примера и создайте новый график слоев.

layers = [
    imageInputLayer([32 32 3],'Name','input')
    
    convolution2dLayer(5,16,'Padding','same','Name','conv_1')
    reluLayer('Name','relu_1')
    
    convolution2dLayer(3,16,'Padding','same','Stride',1,'Name','conv_2')
    reluLayer('Name','relu_2') 
    additionLayer(2,'Name','add1')
    
    convolution2dLayer(3,16,'Padding','same','Stride',2,'Name','conv_3')
    reluLayer('Name','relu_3') 
    additionLayer(2,'Name','add2')
    
    fullyConnectedLayer(10,'Name','fc')
    softmaxLayer('Name','softmax');
    classificationLayer('Name','output')];

lgraph = layerGraph(layers);

skipConv = convolution2dLayer(1,16,'Stride',2,'Name','skipConv');
lgraph = addLayers(lgraph,skipConv);
lgraph = connectLayers(lgraph,'relu_1','add1/in2');
lgraph = connectLayers(lgraph,'add1','skipConv');
lgraph = connectLayers(lgraph,'skipConv','add2/in2');

Проанализируйте новую архитектуру. Новая сеть не содержит ошибок и готова к обучению.

analyzeNetwork(lgraph)

Создайте график слоев для пользовательского цикла обучения. Для пользовательских рабочих процессов цикла обучения график слоев не должен иметь выходной слой.

layers = [
    imageInputLayer([28 28 1],'Normalization','none','Name','input')
    convolution2dLayer(5, 20,'Name','conv1')
    batchNormalizationLayer('Name','bn1')
    reluLayer('Name','relu1')
    convolution2dLayer(3,20,'Padding',1,'Name','conv2')
    batchNormalizationLayer('Name','bn2')
    reluLayer('Name','relu2')
    convolution2dLayer(3, 20,'Padding', 1,'Name','conv3')
    batchNormalizationLayer('Name','bn3')
    reluLayer('Name','relu3')
    fullyConnectedLayer(10,'Name','fc')
    softmaxLayer('Name','softmax')];

lgraph = layerGraph(layers);

Проанализируйте график слоев с помощью analyzeNetwork и установить 'TargetUsage' опция для 'dlnetwork'.

analyzeNetwork(lgraph,'TargetUsage','dlnetwork')

Здесь функция не сообщает о каких-либо проблемах с графиком слоев.