assembleNetwork
(No recomendado) Ensamblar una red de deep learning a partir de capas preentrenadas
No se recomienda usar la función assembleNetwork
. En su lugar, use los objetos dlnetwork
. Para obtener más información, consulte Historial de versiones.
Para entrenar una red desde cero, use la función trainnet
.
Descripción
ensambla el arreglo de capas o la gráfica de capas assembledNet
= assembleNetwork(layers
)layers
en una red de deep learning lista para usar en la predicción.
Ejemplos
Ensamblar una red a partir de capas
Ensamble una red neuronal a partir de capas preentrenadas sin entrenamiento.
Defina una red de LSTM simple.
numChannels = 3;
numHiddenUnits = 100;
numClasses = 10;
layers = [
sequenceInputLayer(numChannels)
lstmLayer(numHiddenUnits,OutputMode="last")
fullyConnectedLayer(numClasses)
softmaxLayer
classificationLayer];
Para las capas de aprendizaje de la red, ajuste manualmente las propiedades correspondientes a los parámetros que se pueden aprender. Puede importar o cargar los parámetros desde fuentes externas, como archivos MAT. A modo de ejemplo, los parámetros que se pueden aprender se establecen en valores aleatorios.
layers(2).InputWeights = rand(4*numHiddenUnits,numChannels); layers(2).RecurrentWeights = rand(4*numHiddenUnits,numHiddenUnits); layers(2).Bias = rand(4*numHiddenUnits,1); layers(3).Weights = rand(numClasses,numHiddenUnits); layers(3).Bias = rand(numClasses,1);
Establezca la propiedad Classes
de la capa de clasificación de salida.
classNames = string(1:10); layers(5).Classes = classNames;
Ensamble la red con la función assembleNetwork
. La red de salida es un objeto SeriesNetwork
que está listo para usarse en la predicción.
net = assembleNetwork(layers)
net = SeriesNetwork with properties: Layers: [5×1 nnet.cnn.layer.Layer] InputNames: {'sequenceinput'} OutputNames: {'classoutput'}
Argumentos de entrada
layers
— Capas de red neuronal
arreglo Layer
| objeto LayerGraph
Capas de red neuronal, especificadas como arreglo Layer
u objeto LayerGraph
.
Para crear una red neuronal con todas las capas conectadas secuencialmente, puede utilizar un arreglo Layer
como argumento de entrada. En ese caso, la red neuronal devuelta es un objeto SeriesNetwork
.
Una red neuronal gráfica acíclica dirigida (DAG) presenta una estructura compleja en la que las capas tienen varias entradas y salidas. Para crear una red neuronal DAG, especifique la arquitectura de red neuronal como objeto LayerGraph
y utilice esa gráfica de capas como argumento de entrada para assembleNetwork
.
La función assembleNetwork
admite redes neuronales con al menos una capa de entrada de secuencias.
Para ver una lista de capas integradas, consulte Lista de capas de deep learning.
Argumentos de salida
assembledNet
— Red ensamblada
objeto SeriesNetwork
| objeto DAGNetwork
Red ensamblada, devuelta como objeto SeriesNetwork
o DAGNetwork
. La red devuelta depende del argumento de entrada layers
:
Si
layers
es un arregloLayer
,assembledNet
es un objetoSeriesNetwork
.Si
layers
es un objetoLayerGraph
,assembledNet
es un objetoDAGNetwork
.
Historial de versiones
Introducido en R2018bR2024a: No recomendado
No se recomienda el uso de assembleNetwork
. En su lugar, use los objetos dlnetwork
.
La función assembleNetwork
devuelve los objetos SeriesNetwork
y DAGNetwork
, que no se recomiendan. No está previsto eliminar el soporte para la función assembleNetwork
. Sin embargo, en su lugar se recomiendan los objetos dlnetwork
, que tienen estas ventajas:
Los objetos
dlnetwork
son un tipo de datos unificado que admite la creación de redes, la predicción, el entrenamiento integrado, la visualización, la compresión, la verificación y los bucles de entrenamiento personalizados.Los objetos
dlnetwork
admiten una gama más amplia de arquitecturas de red que puede crear o importar desde plataformas externas.La función
trainnet
admite objetosdlnetwork
, lo que le permite especificar fácilmente funciones de pérdida. Puede seleccionar entre funciones de pérdida integradas o especificar una función de pérdida personalizada.Entrenar y predecir con los objetos
dlnetwork
suele ser más rápido que los flujos de trabajoLayerGraph
ytrainNetwork
.
Para actualizar su código y usar objetos dlnetwork
, utilice una de estas opciones:
No recomendado | Recomendado |
---|---|
Ensamble el objeto SeriesNetwork o DAGNetwork con un arreglo de capas o una gráfica de capas. | Cree directamente un objeto dlnetwork y no incluya ninguna capa de salida. La mayoría de las funciones que admiten objetos LayerGraph también admiten objetos dlnetwork . Para inicializar la red, use la función initialize . |
Ensamble la red importada que devuelven las funciones importKerasLayers , importTensorFlowLayers o importONNXLayers . | Importe la red con las funciones importNetworkFromTensorFlow o importNetworkFromONNX . |
Comando de MATLAB
Ha hecho clic en un enlace que corresponde a este comando de MATLAB:
Ejecute el comando introduciéndolo en la ventana de comandos de MATLAB. Los navegadores web no admiten comandos de MATLAB.
Select a Web Site
Choose a web site to get translated content where available and see local events and offers. Based on your location, we recommend that you select: .
You can also select a web site from the following list:
How to Get Best Site Performance
Select the China site (in Chinese or English) for best site performance. Other MathWorks country sites are not optimized for visits from your location.
Americas
- América Latina (Español)
- Canada (English)
- United States (English)
Europe
- Belgium (English)
- Denmark (English)
- Deutschland (Deutsch)
- España (Español)
- Finland (English)
- France (Français)
- Ireland (English)
- Italia (Italiano)
- Luxembourg (English)
- Netherlands (English)
- Norway (English)
- Österreich (Deutsch)
- Portugal (English)
- Sweden (English)
- Switzerland
- United Kingdom (English)