Документация

Сверточная нейронная сеть AlexNet. Для предварительно обученной модели AlexNet смотрите alexnet (Deep Learning Toolbox).

Сверточная нейронная сеть DenseNet-201. Для предварительно обученной модели DenseNet-201 смотрите densenet201 (Deep Learning Toolbox).

Сверточная нейронная сеть EfficientNet-b0. Для предварительно обученной модели EfficientNet-b0 смотрите efficientnetb0 (Deep Learning Toolbox).

Сверточная нейронная сеть GoogLeNet. Для предварительно обученной модели GoogLeNet смотрите googlenet (Deep Learning Toolbox).

Сверточная нейронная сеть Inception-ResNet-v2. Для предварительно обученной модели Inception-ResNet-v2 смотрите inceptionresnetv2 (Deep Learning Toolbox).

Сверточная нейронная сеть MobileNet-v2. Для предварительно обученной модели MobileNet-v2 смотрите mobilenetv2 (Deep Learning Toolbox).

NASNet-большая сверточная нейронная сеть. Для предварительно обученной NASNet-большой-модели смотрите nasnetlarge (Deep Learning Toolbox).

NASNet-мобильная сверточная нейронная сеть. Для предварительно обученной модели NASNet-Mobile смотрите nasnetmobile (Deep Learning Toolbox).

ResNet-18, ResNet-50 и сверточные нейронные сети ResNet-101. Для предварительно обученных моделей ResNet смотрите resnet18 (Deep Learning Toolbox), resnet50 (Deep Learning Toolbox), и resnet101 (Deep Learning Toolbox).

Мультикласс pixelwise сеть сегментации. Для получения дополнительной информации смотрите segnetLayers (Computer Vision Toolbox).

Маленький, глубокая нейронная сеть. Для предварительно обученных моделей SqeezeNet смотрите squeezenet (Deep Learning Toolbox).

Сверточная нейронная сеть VGG-16. Для предварительно обученной модели VGG-16 смотрите vgg16 (Deep Learning Toolbox).

Сверточная нейронная сеть VGG-19. Для предварительно обученной модели VGG-19 смотрите vgg19 (Deep Learning Toolbox).

Сверточная нейронная сеть Xception. Для предварительно обученной модели Xception смотрите xception (Deep Learning Toolbox).

Слой сложения

Слой поля привязки

Слой субдискретизации по среднему

Слой пакетной нормировки

Создайте классификацию выходной слой

Отсеченный ReLU

Слой конкатенации

2D слой свертки

Да

Слой, который применяет 2D обрезку к входу

Слой нормализации локального отклика по каналам

Пользовательские слои

Пользовательские слои, с или без настраиваемых параметров, которые вы задаете для своей проблемы.

См.:

Выходные параметры пользовательского слоя должны быть массивами фиксированного размера.

Пользовательские слои в сетях последовательности не поддерживаются для генерации кода.

Для генерации кода пользовательские слои должны содержать %#codegen прагма.

Можно передать dlarray к пользовательским слоям, если:

Для неподдерживаемого dlarray методы, затем необходимо извлечь базовые данные из dlarray, выполните расчеты и восстановите данные назад в dlarray для генерации кода. Например,

function Z = predict(layer, X)

if coder.target('MATLAB')
   Z = doPredict(X);
else
   if isdlarray(X)
      X1 = extractdata(X);
      Z1 = doPredict(X1);
      Z = dlarray(Z1);
  else
      Z = doPredict(X);
  end
end

end

Да

Пользовательские выходные слои

Все выходные слои включая пользовательскую классификацию или регрессию выводят слои, созданные при помощи nnet.layer.ClassificationLayer или nnet.layer.RegressionLayer.

Для примера, показывающего, как задать пользовательскую классификацию выходной слой и задать функцию потерь, смотрите, Задают Пользовательскую Классификацию Выходной Слой (Deep Learning Toolbox).

Для примера, показывающего, как задать пользовательскую регрессию выходной слой и задать функцию потерь, смотрите, Задают Пользовательскую Регрессию Выходной Слой (Deep Learning Toolbox).

Да

Да

Слой конкатенации по глубине

Да

Слой классификации пикселей Dice обеспечивает категориальную метку для каждого пикселя изображения, или воксель с помощью обобщил Dice Loss.

Слой Dropout

Слой экспоненциальных линейных единиц (ELU)

Свойства входного слоя

Слой Flatten

Полносвязный слой

Глобальный средний слой объединения для пространственных данных

Да

Да

2D глобальная переменная макс. объединение слоя

groupedConvolution2dLayer (Deep Learning Toolbox)

2D сгруппированный сверточный слой

Да

Да

groupNormalizationLayer (Deep Learning Toolbox)

Слой групповой нормировки

Да

Да

Да

gruLayer (Deep Learning Toolbox)

Слой Gated recurrent unit (GRU)

Да

Да

Отобразите входной слой

Протекающий ReLU (ReLU)"

Слой Long short-term memory (LSTM)

Слой субдискретизации по максимуму

Слой обратной субдискретизации по максимуму

Слой умножения

Создайте слой классификации пикселей для семантической сегментации

Слой регрессии поля для Быстрого и Faster R-CNN

Слой Classification для сетей предложения по области (RPNs)

Создайте регрессию выходной слой

Слой выпрямленных линейных единиц (ReLU)

Последовательность ввела слой

Слой Softmax

Да

Слой Softplus для агента или сети критика

Пробел к слою глубины

Слой слияния SSD для обнаружения объектов

Слой Swish

nnet.keras.layer.FlattenCStyleLayer

Сглаживает активации в 1D C-стиль принятия (упорядоченный по строкам) порядок

Да

Да

Глобальный средний слой объединения для пространственных данных

Да

Да

nnet.keras.layer.SigmoidLayer

Сигмоидальный слой активации

Да

Да

nnet.keras.layer.TanhLayer

Гиперболический слой активации касательной

Да

Да

nnet.keras.layer.ZeroPadding2dLayer

Нулевой дополнительный слой для 2D входа

Да

Да

Слой, который выполняет поэлементное масштабирование входа, сопровождаемого сложением

nnet.onnx.layer.FlattenLayer

Сгладьте слой для сети ONNX™

Да

Да

nnet.onnx.layer.IdentityLayer

Слой, который реализует единичный оператор ONNX

Да

Да

tanhLayer (Deep Learning Toolbox)

Гиперболический тангенс (tanh) слой

Да

Да

transposedConv2dLayer (Deep Learning Toolbox)

Транспонированный 2D слой свертки

Генерация кода не поддерживает асимметричную обрезку входа. Например, задавая векторный [t b l r] для 'Cropping' параметр, чтобы обрезать верхнюю часть, нижнюю часть, оставленную, и право на вход, не поддерживается.

Да

Да

wordEmbeddingLayer (Text Analytics Toolbox)

Слой встраивания слова сопоставляет словари с векторами

Да

Да

yolov2OutputLayer (Computer Vision Toolbox)

Выведите слой для сети обнаружения объектов YOLO v2

Да

Да

yolov2ReorgLayer (Computer Vision Toolbox)

Слой Reorganization для сети обнаружения объектов YOLO v2

Да

Да

yolov2TransformLayer (Computer Vision Toolbox)

Преобразуйте слой для сети обнаружения объектов YOLO v2

Да

Да

Сеть Directed acyclic graph (DAG) для глубокого обучения

Да

Да

Да

Нейронная сеть для глубокого обучения для пользовательских учебных циклов

Да

Да

Нет

Сеть Series для глубокого обучения

Да

Да

Да

yolov2ObjectDetector (Computer Vision Toolbox)

Да

Да

Нет

Объект обнаружить объекты с помощью основанного на SSD детектора.

Да

Да

Нет