densenet201
（不推荐）DenseNet-201 卷积神经网络
不推荐使用 densenet201。请改用 imagePretrainedNetwork 函数并指定 "densenet201" 模型。有关详细信息，请参阅版本历史记录。
说明
DenseNet-201 是深度为 201 层的卷积神经网络。您可以从 ImageNet 数据库 [1] 中加载该网络的预训练版本，该版本基于 ImageNet 数据库的超过一百万个图像进行训练。该预训练网络可以将图像分类至 1000 个目标类别（例如键盘、鼠标、铅笔和多种动物）。因此，该网络已基于大量图像学习了丰富的特征表示。该网络的图像输入大小为 224×224。有关 MATLAB® 中预训练网络的详细信息，请参阅预训练的深度神经网络。
net = densenet201
此函数需要 Deep Learning Toolbox™ Model for DenseNet-201 Network 支持包。如果未安装此支持包，则函数会提供下载链接。
net = densenet201('Weights','imagenet')net = densenet201。
lgraph = densenet201('Weights','none')
示例
下载并安装 Deep Learning Toolbox Model for DenseNet-201 Network 支持包。
在命令行中键入 densenet201。
densenet201
如果未安装 Deep Learning Toolbox Model for DenseNet-201 Network 支持包，该函数将在附加功能资源管理器中提供所需支持包的链接。要安装支持包，请点击链接，然后点击安装。通过在命令行中键入 densenet201 来检查安装是否成功。如果安装了所需的支持包，则该函数返回 DAGNetwork 对象。
densenet201
ans =
DAGNetwork with properties:
Layers: [709×1 nnet.cnn.layer.Layer]
Connections: [806×2 table]使用深度网络设计器可视化网络。
deepNetworkDesigner(densenet201)
通过点击新建，在深度网络设计器中浏览其他预训练神经网络。
如果需要下载一个神经网络，请在所需的神经网络上暂停，然后点击安装以打开附加功能资源管理器。
输出参量
参考
[1] ImageNet. http://www.image-net.org.
[2] Huang, Gao, Zhuang Liu, Laurens Van Der Maaten, and Kilian Q. Weinberger. “Densely Connected Convolutional Networks.” In 2017 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2261–69. Honolulu, HI: IEEE, 2017. https://doi.org/10.1109/CVPR.2017.243.
