plot

ニューラル ネットワーク アーキテクチャのプロット

構文

plot(net)

説明

plot(net) は、ニューラル ネットワーク net の層および結合をプロットします。

ヒント

対話形式でネットワークを可視化してネットワーク アーキテクチャを解析するには、deepNetworkDesigner(net) を使用します。詳細については、ディープ ネットワーク デザイナーを参照してください。

例

ニューラル ネットワークのプロット

シンプルなニューラル ネットワークを作成してプロットに表示します。

net = dlnetwork;

layers = [
    imageInputLayer([32 32 3])
    convolution2dLayer(3,16,Padding="same")
    batchNormalizationLayer
    reluLayer(Name="relu1")
    
    convolution2dLayer(3,16,Padding="same",Stride=2)
    batchNormalizationLayer
    reluLayer
    additionLayer(2,Name="add")];

net = addLayers(net,layers);
net = connectLayers(net,"relu1","add/in2");

figure
plot(net)

入力引数

net — ニューラル ネットワーク

dlnetwork オブジェクト

ニューラル ネットワーク。dlnetwork オブジェクトとして指定します。

バージョン履歴

R2017b で導入

R2024a: DAGNetwork オブジェクト、SeriesNetwork オブジェクト、および LayerGraph オブジェクトは非推奨

R2024a 以降、DAGNetwork オブジェクト、SeriesNetwork オブジェクト、および LayerGraph オブジェクトは非推奨となりました。代わりに、dlnetwork オブジェクトを使用してください。この推奨により、これらのオブジェクトを入力としてもつ関数 plot も非推奨となります。

学習済みの DAGNetwork オブジェクトまたは SeriesNetwork オブジェクトを dlnetwork オブジェクトに変換するには、関数 dag2dlnetwork を使用します。

LayerGraph オブジェクトをサポートするほとんどの関数は、dlnetwork オブジェクトもサポートします。LayerGraph オブジェクトの代表的な使用法と、代わりにオブジェクト関数 dlnetwork を使用するためのコードの更新方法を、次の表に示します。

非推奨	推奨
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);

dlnetwork オブジェクトとして指定されたニューラル ネットワークに学習させるには、関数 trainnet を使用します。

参考

trainnet | trainingOptions | dlnetwork | ディープ ネットワーク デザイナー | addLayers | removeLayers | replaceLayer | connectLayers | disconnectLayers | analyzeNetwork | summary

トピック

• イメージ分類用の残差ネットワークの学習
• 新しいイメージを分類するためのニューラル ネットワークの再学習