Определите сетевые уровни.

layers = [
    imageInputLayer([28 28 1],'Normalization','none','Name','in')
    convolution2dLayer(5,20,'Name','conv')
    batchNormalizationLayer('Name','bn')
    reluLayer('Name','relu')
    fullyConnectedLayer(10,'Name','fc')
    softmaxLayer('Name','sm')];

Создание неинициализированного dlnetwork. Установите Initialize параметр name-value имеет значение false.

dlnet = dlnetwork(layers,'Initialize',false);

Проверьте обучаемые параметры слоя свертки.

dlnet.Learnables.Value(dlnet.Learnables.Layer=='conv')

ans = 
    {0×0 double}
    {0×0 double}

Поскольку сеть не инициализирована, распознаваемые параметры уровня свертки пусты.

Инициализируйте обучаемые параметры сети с начальными значениями.

dlnet = initialize(dlnet);

Проверьте обучаемые параметры уровня свертки после инициализации.

dlnet.Learnables.Value(dlnet.Learnables.Layer=='conv')

ans = 
    {5×5×1×20 dlarray}
    {1×1×20   dlarray}

Обучаемые параметры слоя свертки теперь инициализируются начальными значениями соответствующего размера на основе размера входных данных.

Проверьте, что сеть инициализирована и готова к обучению.

dlnet.Initialized

ans = 
   1

Определите архитектуру сети. Создайте сеть с двумя ветвями. Сеть принимает два входа, по одному входу на ветвь. Первая ветвь содержит входной уровень, в то время как вторая ветвь не соединяет ветви с помощью уровня сложения.

numFilters = 24;
inputSize = [64 64 3];

layersBranch1 = [
    imageInputLayer(inputSize,'Normalization','None','Name','in')
    convolution2dLayer(3,6*numFilters,'Padding','same','Stride',2,'Name','conv1Branch1')
    groupNormalizationLayer('all-channels','Name','gn1Branch1')
    reluLayer('Name','relu1Branch1')
    convolution2dLayer(3,numFilters,'Padding','same','Name','conv2Branch1')
    groupNormalizationLayer('channel-wise','Name','gn2Branch1')
    additionLayer(2,'Name','add')
    reluLayer('Name','reluCombined')
    fullyConnectedLayer(10,'Name','fc')
    softmaxLayer('Name','sm')];

layersBranch2 = [
    convolution2dLayer(1,numFilters,'Name','convBranch2')
    groupNormalizationLayer('all-channels','Name','gnBranch2')];

lgraph = layerGraph(layersBranch1);
lgraph = addLayers(lgraph,layersBranch2);
lgraph = connectLayers(lgraph,'gnBranch2','add/in2');  

Преобразование сети в dlnetwork. Для создания dlnetwork объект без начальных значений обучаемых параметров и параметров состояния, установите Initialize параметр name-value имеет значение false..

dlnet = dlnetwork(lgraph,'Initialize',false);

Проверьте обучаемые параметры второго уровня нормализации группы в первой ветви сети.

dlnet.Learnables.Value(dlnet.Learnables.Layer=='gn2Branch1')

ans = 
    {0×0 double}
    {0×0 double}

Поскольку сеть не инициализирована, доступные для изучения параметры уровня пусты.

Проверьте порядок сетевых входов.

dlnet.InputNames

ans = 1×2 cell    
'in'         'convBranch2'       

Создайте пример входных данных с тем же размером и форматом, что и обычные сетевые входы. Используйте пример входа размером 64 на 64 с 3 каналами для входа на входной уровень in. Используйте вход размером 64 на 64 с 18 каналами для неподключенного входа в слой convBranch2.

dlX1 = dlarray(rand(inputSize),"SSCB");
dlX2 = dlarray(rand([32 32 18]),"SSCB");

Инициализируйте обучаемые параметры сети, используя входные данные примера.

dlnet = initialize(dlnet,dlX1,dlX2);

Проверьте обучаемые параметры уровня свертки после инициализации.

dlnet.Learnables.Value(dlnet.Learnables.Layer=='gn2Branch1')

ans = 
    {1×1×24 dlarray}
    {1×1×24 dlarray}

Обучаемые параметры слоя свертки теперь инициализируются начальными значениями соответствующего размера на основе размера входных данных.

Используйте Initialized свойство сети для проверки того, что сеть инициализирована и готова к обучению.

dlnet.Initialized

ans = 
   1