Benutzerdefinierte Schichten
Für die meisten Aufgaben können Sie integrierte Schichten verwenden. Wenn es eine integrierte Schicht, die Sie für Ihre Aufgabe benötigen, nicht gibt, können Sie Ihre eigene Ebene definieren. Sie können benutzerdefinierte Schichten mit erlernbaren und Zustandsparametern definieren. Nachdem Sie eine benutzerdefinierte Schicht definiert haben, können Sie überprüfen, ob die Schicht gültig und GPU-kompatibel ist und korrekt definierte Gradienten ausgibt. Eine Liste der unterstützten Schichten finden Sie unter List of Deep Learning Layers.
Apps
| Deep Network Designer | Entwurf und Visualisierung von Deep-Learning-Netzen |
Funktionen
Themen
Übersicht über benutzerdefinierte Schichten
- Define Custom Deep Learning Layers
Learn how to define custom deep learning layers. - Check Custom Layer Validity
Learn how to check the validity of custom deep learning layers. - View Autogenerated Custom Layers Using Deep Network Designer
This example shows how to import a pretrained TensorFlow™ network and view the autogenerated layers in Deep Network Designer.
Definieren von benutzerdefinierten Schichten
- Define Custom Deep Learning Layer with Learnable Parameters
This example shows how to define a SReLU layer and use it in a convolutional neural network. - Define Custom Deep Learning Layer with Multiple Inputs
This example shows how to define a custom weighted addition layer and use it in a convolutional neural network. - Define Custom Deep Learning Layer with Formatted Inputs
This example shows how to define a custom layer with formatteddlarrayinputs. - Define Custom Recurrent Deep Learning Layer
This example shows how to define a peephole LSTM layer and use it in a neural network. - Specify Custom Layer Backward Function
This example shows how to define a SReLU layer and specify a custom backward function. - Custom Layer Function Acceleration
Accelerate custom layer forward and predict functions by caching and reusing traces. - Define Custom Deep Learning Layer for Code Generation
This example shows how to define a SReLU layer that supports code generation.
Zusammensetzung von Netzen und verschachtelte Schichten
- Deep Learning Network Composition
Define custom layers that contain neural networks. - Define Nested Deep Learning Layer Using Network Composition
This example shows how to define a nested custom deep learning layer. - Train Network with Custom Nested Layers
This example shows how to create and train a network with nested layers defined using network composition. - Weight Tying Using Nested Layer
This example shows how to implement weight tying using a nested layer.
Enthaltene Beispiele
Convert Convolutional Network to Spiking Neural Network
Convert a conventional convolutional neural network (CNN) to a spiking neural network (SNN).
Train Bayesian Neural Network
Train a Bayesian neural network (BNN) for image regression using Bayes by Backpropagation.
Train Variational Autoencoder (VAE) to Generate Images
Train a deep learning variational autoencoder (VAE) to generate images.
