La traducción de esta página aún no se ha actualizado a la versión más reciente. Haga clic aquí para ver la última versión en inglés.

connectLayers

Conectar capas en una red neuronal

Sintaxis

netUpdated = connectLayers(net,s,d)

Descripción

netUpdated = connectLayers(net,s,d) conecta la capa de origen s con la capa de destino d del argumento net del objeto dlnetwork. La red actualizada, netUpdated, contiene las mismas capas que net e incluye la nueva conexión.

Ejemplos

Crear y conectar una capa de suma

Cree un objeto dlnetwork de red neuronal vacío y añada una capa de suma con dos entradas y el nombre 'add'.

net = dlnetwork;
layer = additionLayer(2,'Name','add');
net = addLayers(net,layer);

Añada dos capas ReLU a la red neuronal y conéctelas con la capa de suma. La capa de suma añade la suma de las salidas de las capas ReLU.

layer = reluLayer('Name','relu1');
net = addLayers(net,layer);
net = connectLayers(net,'relu1','add/in1');

layer = reluLayer('Name','relu2');
net = addLayers(net,layer);
net = connectLayers(net,'relu2','add/in2');

Visualice la red actualizada en una gráfica.

plot(net)

Crear una red neuronal desde cero

Defina una red neuronal de dos salidas que prediga tanto etiquetas categóricas como valores numéricos a partir de imágenes 2D.

Especifique el número de clases y respuestas.

numClasses = 10;
numResponses = 1;

Cree una red neuronal vacía.

net = dlnetwork;

Defina las capas de la rama principal de la red y la salida softmax.

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);

Añada la conexión de omisión.

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");

Añada la capa totalmente conectada para la salida de regresión.

layers = fullyConnectedLayer(numResponses,Name="fc_2");
net = addLayers(net,layers);
net = connectLayers(net,"add","fc_2");

Visualice la red neuronal en una gráfica.

figure
plot(net)

Argumentos de entrada

net — Red neuronal

objeto dlnetwork

Red neuronal, especificada como un objeto dlnetwork.

s — Origen de la conexión

escalar de cadena | vector de caracteres

Origen de la conexión, especificado como un vector de caracteres o un escalar de cadena.

• Si la capa de origen tiene una única salida, s es el nombre de la capa.

• Si la capa tiene varias salidas, s es el nombre de la capa seguido por el carácter "/" y el nombre de la salida de la capa: "layerName/outputName".

Ejemplo: "conv"

Ejemplo: "mpool/indices"

d — Destino de la conexión

escalar de cadena | vector de caracteres

Destino de la conexión, especificado como escalar de cadena o vector de caracteres.

• Si la capa de destino tiene una única entrada, d es el nombre de la capa.

• Si la capa de destino tiene varias entradas, d es el nombre de la capa seguido por el carácter "/" y el nombre de la entrada de la capa: "layerName/inputName".

Ejemplo: "fc"

Ejemplo: "add/in1"

Argumentos de salida

netUpdated — Red actualizada

objeto dlnetwork

Red actualizada, devuelta como un objeto dlnetwork sin inicializar.

Para inicializar los parámetros que se pueden aprender de un objeto dlnetwork, utilice la función initialize.

La función connectLayers no conserva la información de cuantificación. Si la red de entrada es una red cuantificada, la red de salida no contiene información de cuantificación.

Historial de versiones

Introducido en R2017b

R2024a: No se recomienda usar objetos LayerGraph

A partir de la versión R2024a, no se recomienda usar objetos LayerGraph. En su lugar, use los objetos dlnetwork. Esta recomendación significa que tampoco se recomienda usar estas sintaxis para la entrada de LayerGraph:

• lgraphUpdated = connectLayers(lgraph,s,d)

La mayoría de las funciones que admiten objetos LayerGraph también admiten objetos dlnetwork. Esta tabla muestra algunos usos habituales de los objetos LayerGraph y cómo actualizar el código para usar funciones de objeto dlnetwork en su lugar.

No recomendado	Recomendado
lgraph = layerGraph;	net = dlnetwork;
lgraph = layerGraph(layers);	net = dlnetwork(layers,Initialize=false);
lgraph = layerGraph(net);	net = dag2dlnetwork(net);
lgraph = addLayers(lgraph,layers);	net = addLayers(net,layers);
lgraph = removeLayers(lgraph,layerNames);	net = removeLayers(net,layerNames);
lgraph = replaceLayer(lgraph,layerName,layers);	net = replaceLayer(net,layerName,layers);
lgraph = connectLayers(lgraph,s,d);	net = connectLayers(net,s,d);
lgraph = disconnectLayers(lgraph,s,d);	net = disconnectLayers(net,s,d);
plot(lgraph);	plot(net);

Para entrenar una red neuronal especificada como un objeto dlnetwork, utilice la función trainnet.

Consulte también

trainnet | trainingOptions | dlnetwork | addLayers | removeLayers | replaceLayer | disconnectLayers | plot

Temas

• Volver a entrenar redes neuronales para clasificar nuevas imágenes
• Entrenar una red con varias salidas
• Classify Videos Using Deep Learning