layerGraph
（不推荐）深度学习的网络层图
说明
层图将神经网络的架构指定为深度学习层的有向无环图 (DAG)。这些层可以有多个输入和多个输出。
创建对象
描述
输入参量
属性
对象函数
addLayers | 向神经网络添加层 |
removeLayers | Remove layers from neural network |
replaceLayer | Replace layer in neural network |
connectLayers | 在神经网络中连接各层 |
disconnectLayers | Disconnect layers in neural network |
plot | 绘制神经网络架构 |
示例
为深度学习创建一个简单的层图。
此示例中的简单网络包括：
一个具有顺序连接的层的主分支。
一个包含单个 1×1 卷积层的快捷方式连接。快捷方式连接使参数梯度可以更轻松地从输出层流到较浅的网络层。
将网络的主分支创建为层数组。加法层按元素对多个输入求和。指定要求和的加法层的输入数目。为了便于以后添加连接，请为第一个 ReLU 层和加法层指定名称。
layers = [
imageInputLayer([28 28 1])
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')
averagePooling2dLayer(2,'Stride',2)
fullyConnectedLayer(10)
softmaxLayer
classificationLayer];根据层数组创建一个层图。layerGraph 按顺序连接 layers 中的所有层。绘制层图。
lgraph = layerGraph(layers); figure plot(lgraph)
创建一个 1×1 卷积层，并将其添加到层图中。指定卷积滤波器的数量和步幅，使激活大小与第三个 ReLU 层的激活大小匹配。这种排列使得加法层能够将第三个 ReLU 层和 1×1 卷积层的输出相加。要检查层是否在图中，请绘制层图。
skipConv = convolution2dLayer(1,32,'Stride',2,'Name','skipConv'); lgraph = addLayers(lgraph,skipConv); figure plot(lgraph)
创建从 'relu_1' 层到 'add' 层的快捷方式连接。由于您在创建加法层时将输入数目指定为 2，因此该层有两个输入，名为 'in1' 和 'in2'。第三个 ReLU 层已连接到 'in1' 输入。将 'relu_1' 层连接到 'skipConv' 层，并将 'skipConv' 层连接到 'add' 层的 'in2' 输入。加法层现在对第三个 ReLU 层和 'skipConv' 层的输出求和。要检查层是否正确连接，请绘制层图。
lgraph = connectLayers(lgraph,'relu_1','skipConv'); lgraph = connectLayers(lgraph,'skipConv','add/in2'); figure plot(lgraph);
限制
层图对象不包含量化信息。通过从量化网络中提取层图，然后使用
assembleNetwork或dlnetwork重新组合网络，可从网络中删除量化信息。
