深度网络设计器

打开 App，选择一个预训练网络。您也可以通过选择设计器选项卡并点击新建来加载一个预训练网络。如果您需要下载网络，可点击安装，打开附加功能资源管理器。深度网络设计器包含适用于图像和音频任务的预训练网络。加载预训练的音频网络需要 Audio Toolbox™。

在设计器窗格中，可视化并探查网络。有关可用预训练图像分类网络的列表以及如何比较它们，请参阅预训练的深度神经网络。

有关使用深度网络设计器构造网络的信息，请参阅使用深度网络设计器构建网络。

迁移学习指采用预训练的深度学习网络并对其进行微调以学习新任务的过程。您可以使用较少数量的训练图像快速地将已学习的特征迁移到新任务。因此，迁移学习通常比从头开始训练网络更快、更简单。要使用预训练网络进行迁移学习，您必须更改类的数量以匹配新数据集。

用 SqueezeNet 打开深度网络设计器。

deepNetworkDesigner(squeezenet)

要为迁移学习准备网络，请编辑最后一个可学习层和最终分类层。对于 SqueezeNet，最后一个可学习层是名为 'conv10' 的二维卷积层。

在 R2023b 之前： 要编辑新任务的层属性，您必须替换层，而不是解锁层。

接下来，编辑分类输出层。在属性窗格中，点击解锁层，然后点击仍要解锁。输出层的默认设置表示网络在训练期间学习的类数量。

通过点击设计器选项卡中的分析，检查您的网络。如果深度学习网络分析器报告零错误，则表示网络已准备就绪，可以开始训练。有关说明如何训练网络以对新图像进行分类的示例，请参阅使用深度网络设计器进行迁移学习。

要从外部平台导入网络，请使用深度网络设计器起始页。

选择网络位置后，点击导入。

深度网络设计器将导入网络并生成导入报告。导入报告显示在使用网络进行训练或推断之前需要注意的任何网络问题。例如，如果 App 无法推断输入大小，或存在您需要完成的任何占位符层，则报告会显示警告。

从 PyTorch 或 TensorFlow 导入的网络不支持 App 中的数据导入和训练。

有关显示如何将 PyTorch 网络导入深度网络设计器并修复任何问题的示例，请参阅Import PyTorch® Model Using Deep Network Designer。

在设计器窗格中，选择一个层来查看和编辑属性。点击层名称旁边的帮助图标，了解有关层属性的详细信息。

有关层属性的详细信息，请参阅深度学习层列表。

在深度网络设计器中，您可以通过将内置层从网络层库拖到设计器窗格并连接它们来构建网络。您还可以在设计器窗格中将工作区中的自定义层添加到网络中。假设在变量 myCustomLayer 中存储了一个自定义层。

该 App 将自定义层添加到设计器窗格的顶部。要查看新层，请使用鼠标放大或点击放大。

在设计器窗格中，将 myCustomLayer 连接到网络。有关说明如何在深度网络设计器中使用自定义层构建网络的示例，请参阅Import Custom Layer into Deep Network Designer。

您也可以在深度网络设计器中组合网络。例如，您可以通过将预训练网络与解码器子网络组合来创建一个语义分割网络。

要查看或编辑自定义层类定义，请选择层，然后点击编辑层代码。有关详细信息，请参阅View Autogenerated Custom Layers Using Deep Network Designer。 （自 R2023a 起）

您可以使用深度网络设计器的数据选项卡来导入训练数据和验证数据。深度网络设计器支持导入图像数据和数据存储对象。根据任务类型选择导入方法。

使用深度网络设计器，您可以使用图像数据或能够与 trainNetwork 函数配合使用的任何数据存储对象来训练网络。例如，您可以使用 CombinedDatastore 对象训练语义分割网络或多输入网络。有关将数据导入深度网络设计器的详细信息，请参阅Import Data into Deep Network Designer。

要使用导入深度网络设计器中的数据训练网络，请在训练选项卡上，点击训练。该 App 显示训练进度的动画图。该图显示小批量损失和准确度、验证损失和准确度，以及关于训练进度的附加信息。该图右上角有停止按钮 。点击该按钮可停止训练并返回网络的当前状态。

有关详细信息，请参阅Train Networks Using Deep Network Designer。

如果您需要更好地控制训练，请点击训练选项以选择训练设置。有关选择训练选项的详细信息，请参阅 trainingOptions。

有关如何训练图像分类网络的示例，请参阅使用深度网络设计器进行迁移学习。有关如何训练序列到序列 LSTM 网络的示例，请参阅使用深度网络设计器训练网络以进行时间序列预测。

要使用深度网络设计器不支持的数据训练网络，请选择设计器选项卡，然后点击导出以导出初始网络架构。然后，您可以通过编程方式训练网络，例如，使用自定义训练循环。

有关显示如何将网络从深度网络设计器导出到 Simulink 的示例，请参阅Export Image Classification Network from Deep Network Designer to Simulink。

要重新创建您在深度网络设计器中构造和训练的网络，请生成 MATLAB 代码。

生成脚本后，您可以执行以下任务。

有关详细信息，请参阅Generate MATLAB Code from Deep Network Designer。

您还可以使用深度网络设计器创建深度学习试验，这些试验会扫描一系列超参数值，或使用贝叶斯优化来找到最佳训练选项。有关如何使用试验管理器调整在深度网络设计器中训练的网络超参数的示例，请参阅Generate Experiment Using Deep Network Designer。