Откройте приложение и выберите предварительно обученную сеть. Можно также загрузить предварительно обученную сеть путем выбора вкладки Designer и нажатия на New. Если необходимо загрузить сеть, то нажмите Install, чтобы открыть Add-On Explorer.

В панели Designer визуализируйте и исследуйте сеть. Для списка доступных предварительно обученных сетей и как сравнить их, смотрите Предварительно обученные Глубокие нейронные сети.

Для получения информации о построении сетей с помощью Deep Network Designer смотрите Сети Сборки с Deep Network Designer.

Передача обучения является процессом взятия предварительно обученной нейронной сети для глубокого обучения и подстройки его, чтобы изучить новую задачу. Можно быстро передать изученные функции новой задаче с помощью меньшего числа учебных изображений. Передача обучения поэтому часто быстрее и легче, чем обучение сети с нуля. Чтобы использовать предварительно обученную сеть для передачи обучения, необходимо изменить количество классов, чтобы совпадать новым набором данных.

Откройте Deep Network Designer с SqueezeNet.

deepNetworkDesigner(squeezenet)

Чтобы подготовить сеть к передаче обучения, замените последний learnable слой и итоговый слой классификации. Для SqueezeNet последний learnable слой является 2D сверточным слоем под названием 'conv10'.

Затем удалите классификацию выходной слой. Затем перетащите новый classificationLayer на холст и соедините его вместо этого. Настройки по умолчанию для выходного слоя означают, что сеть изучает количество классов во время обучения.

Проверяйте свою сеть путем нажатия на Analyze во вкладке Designer. Сеть готова к обучению, если Deep Learning Network Analyzer сообщает о нулевых ошибках. Для примера, показывающего, как обучить сеть, чтобы классифицировать новые изображения, смотрите Передачу обучения с Deep Network Designer.

На панели Designer выберите слой, чтобы просмотреть и отредактировать свойства. Кликните по значку справки рядом с именем слоя для получения дополнительной информации о свойствах слоя.

Для получения дополнительной информации о свойствах слоя, смотрите Список слоев глубокого обучения.

В Deep Network Designer можно создать сеть путем перетаскивания встроенных слоев от Layer Library до панели Designer и соединения их. Можно также добавить пользовательские слои от рабочей области до сети в панели Designer. Предположим, что вам сохранили пользовательский слой в переменной myCustomLayer.

Приложение добавляет пользовательский слой в верхнюю часть панели Designer. Видеть новый слой, увеличение использования мыши или нажимать Zoom in.

Соедините myCustomLayer с сетью в панели Designer. Для примера, показывающего, как сборка сеть с пользовательским слоем в Deep Network Designer, смотрите Импорт Пользовательский Слой в Deep Network Designer.

Можно также объединить сети в Deep Network Designer. Например, можно создать сеть семантической сегментации путем объединения предварительно обученной сети с подсетью декодера.

Можно использовать вкладку Data Deep Network Designer, чтобы импортировать данные об обучении и валидации. Deep Network Designer поддерживает импорт объектов datastore и данных изображения. Выберите метод импорта на основе типа задачи.

Используя Deep Network Designer, можно обучить сеть с помощью данных изображения или любого объекта datastore, который работает с trainNetwork функция. Например, можно обучить сеть семантической сегментации или мультивходную сеть использование CombinedDatastore объект. Для получения дополнительной информации об импортировании данных в Deep Network Designer, смотрите, Импортируют Данные в Deep Network Designer.

Чтобы обучить сеть на данных, импортированных в Deep Network Designer, на вкладке Training, нажимают Train. Отображения приложения анимированный график процесса обучения. График показывает мини-пакетную потерю и точность, потерю валидации и точность и дополнительную информацию о процессе обучения. График имеет кнопку остановки в верхнем правом углу. Нажмите кнопку, чтобы остановить обучение и возвратить текущее состояние сети.

Для получения дополнительной информации смотрите, Обучают нейронные сети Используя Deep Network Designer.

Если вы требуете большего управления обучением, нажмите Training Options, чтобы выбрать учебные настройки. Для получения дополнительной информации о выборе опций обучения, смотрите trainingOptions.

Для примера, показывающего, как обучить сеть классификации изображений, смотрите Передачу обучения с Deep Network Designer. Для примера, показывающего, как обучить сеть LSTM от последовательности к последовательности, смотрите, Обучат сеть для Прогнозирования Временных рядов Используя Deep Network Designer.

Чтобы обучить сеть на данных, не поддержанных Deep Network Designer, выберите вкладку Designer и нажмите Export, чтобы экспортировать начальную сетевую архитектуру. Можно затем программно обучить сеть, например, с помощью пользовательского учебного цикла.

Воссоздать сеть, которую вы создаете и обучаете в Deep Network Designer, генерируете код MATLAB.

После генерации скрипта можно выполнить следующие задачи.

Для получения дополнительной информации смотрите, Генерируют код MATLAB от Deep Network Designer.

Можно также использовать сгенерированный скрипт в качестве начальной точки, чтобы создать эксперименты глубокого обучения, которые развертываются через область значений гиперзначений параметров или используют Байесовую оптимизацию, чтобы найти оптимальные опции обучения. Для примера, показывающего, как использовать Experiment Manager, чтобы настроить гиперпараметры сети, обученной в Deep Network Designer, смотрите, Адаптируют Код, Сгенерированный в Deep Network Designer для Использования в Experiment Manager.