addLayers
向神经网络添加层
说明
netUpdated = addLayers(net,layers)layers 中的网络层添加到 dlnetwork 对象 net 中。更新后的网络 netUpdated 包含 net 的层和连接以及 layers 中的层，它们按顺序连接。layers 中的层名称必须唯一，不能为空，且不能与 net 中的层名称相同。
示例
创建一个空的神经网络和一个层数组。addLayers 函数按顺序连接各层。
net = dlnetwork;
layers = [
imageInputLayer([32 32 3])
convolution2dLayer(3,16,Padding="same")
batchNormalizationLayer
reluLayer];
net = addLayers(net,layers);查看图中的神经网络。
figure plot(net)
定义一个双输出神经网络，该神经网络在给定二维图像作为输入的情况下预测分类标签和数值。
指定类和响应的数量。
numClasses = 10; numResponses = 1;
创建一个空的神经网络。
net = dlnetwork;
定义网络主分支的各层和 softmax 输出。
layers = [
imageInputLayer([28 28 1],Normalization="none")
convolution2dLayer(5,16,Padding="same")
batchNormalizationLayer
reluLayer(Name="relu_1")
convolution2dLayer(3,32,Padding="same",Stride=2)
batchNormalizationLayer
reluLayer
convolution2dLayer(3,32,Padding="same")
batchNormalizationLayer
reluLayer
additionLayer(2,Name="add")
fullyConnectedLayer(numClasses)
softmaxLayer(Name="softmax")];
net = addLayers(net,layers);添加跳过连接。
layers = [
convolution2dLayer(1,32,Stride=2,Name="conv_skip")
batchNormalizationLayer
reluLayer(Name="relu_skip")];
net = addLayers(net,layers);
net = connectLayers(net,"relu_1","conv_skip");
net = connectLayers(net,"relu_skip","add/in2");为回归输出添加全连接层。
layers = fullyConnectedLayer(numResponses,Name="fc_2"); net = addLayers(net,layers); net = connectLayers(net,"add","fc_2");
查看图中的神经网络。
figure plot(net)
