DAGNetwork
Red DAG de deep learning
Descripción
Una red gráfica acíclica dirigida (DAG) es una red neuronal para deep learning con capas dispuestas en forma de gráfica acíclica dirigida. Una red DAG puede tener una arquitectura más compleja en la que las capas tienen entradas de varias capas y salidas a varias capas.
Creación
Hay varias formas de crear un objeto DAGNetwork
:
Cargue una red preentrenada, como
squeezenet
,googlenet
,resnet50
,resnet101
oinceptionv3
. Para ver un ejemplo, consulte Cargar una red SqueezeNet preentrenada. Para obtener información sobre las redes preentrenadas, consulte Redes neuronales profundas preentrenadas.Entrene o ajuste una red usando
trainNetwork
. Para ver un ejemplo, consulte Entrenar redes de deep learning para clasificar nuevas imágenes.Importe una red preentrenada de TensorFlow™-Keras, TensorFlow 2, Caffe o del formato de modelos ONNX™ (Open Neural Network Exchange).
Si selecciona un modelo Keras, utilice
importKerasNetwork
. Para ver un ejemplo, consulte Import and Plot Keras Network.Si selecciona un modelo TensorFlow en el formato de modelos guardado, utilice
importTensorFlowNetwork
. Para ver un ejemplo, consulte Import TensorFlow Network as DAGNetwork to Classify Image.Si selecciona un modelo Caffe, utilice
importCaffeNetwork
. Para ver un ejemplo, consulte Import Caffe Network.Si selecciona un modelo ONNX, utilice
importONNXNetwork
. Para ver un ejemplo, consulte Import ONNX Network as DAGNetwork.
Cree una red de deep learning a partir de capas preentrenadas usando la función
assembleNetwork
.
Nota
Para obtener información sobre otras redes preentrenadas, consulte Redes neuronales profundas preentrenadas.
Propiedades
Funciones del objeto
activations | Calcular las activaciones de las capas de una red de deep learning |
classify | Classify data using trained deep learning neural network |
predict | Predict responses using trained deep learning neural network |
plot | Representar una arquitectura de red neuronal |
Ejemplos
Capacidades ampliadas
Historial de versiones
Introducido en R2017b
Consulte también
trainNetwork
| trainingOptions
| importKerasNetwork
| layerGraph
| classify
| predict
| plot
| googlenet
| resnet18
| resnet50
| resnet101
| inceptionv3
| inceptionresnetv2
| squeezenet
| SeriesNetwork
| analyzeNetwork
| assembleNetwork