# 图像深度学习
使用预训练网络快速学习新任务或从头开始训练卷积神经网络
# 构建网络
构建神经网络，包括添加、移除、替代层等操作
构建网络
| 函数名 | 简介 |
|---|---|
| addLayers | 向图层图添加图层 |
| removeLayers | 从图层图中删除图层 |
| replaceLayer | 替换图层图中的图层 |
| layerGraph | 深度学习的网络层图 |
| lgplot | 绘制神经网络层图 |
| isequal | 检查深度学习层图或网络的相等性 |
| isequaln | 检查深度学习层图或网络的相等性，忽略NaN值 |
# 网络层
各种网络层，包括卷积层、激活层、归一化层等
网络层
# 预测
利用已训练的网络进行预测
预测
| 函数名 | 简介 |
|---|---|
| classify | 使用训练有素的深度学习神经网络对数据进行分类 |
| predict | 使用训练有素的深度学习神经网络预测响应 |
| classifyAndUpdateState | 使用训练有素的递归神经网络对数据进行分类并更新网络状态 |
| predictAndUpdateState | 使用训练有素的递归神经网络预测响应并更新网络状态 |
| confusionchart | 创建分类问题的混淆矩阵图 |
# 针对图像的数据预处理
管理和预处理深度学习数据
针对图像的数据预处理
| 函数名 | 简介 |
|---|---|
| augment | 将相同的随机变换应用于多个图像 |
| augmentedImageDatastore | 转换批处理以增强图像数据 |
| imageDataAugmenter | 配置图像数据增强 |
# 预训练网络
使用预训练网络快速学习新任务
预训练网络
| 函数名 | 简介 |
|---|---|
| albert | Albert神经网络 |
| alexnet | AlexNet卷积神经网络 |
| align | Align神经网络 |
| bert | Bert神经网络 |
| convnext | Convnext卷积神经网络 |
| convnextsmall | 小型Convnext卷积神经网络 |
| convnexttiny | 微型Convnext卷积神经网络 |
| densenet121 | Densenet121卷积神经网络 |
| densenet161 | Densenet161卷积神经网络 |
| densenet201 | Densenet201卷积神经网络 |
| efficientnetb0 | Efficientnet-b0卷积神经网络卷积神经网络 |
| efficientnetb3 | Efficientnet-b3卷积神经网络卷积神经网络 |
| efficientnetb7 | Efficientnet-b7卷积神经网络卷积神经网络 |
| efficientnetv2 | Efficientnet-v2卷积神经网络卷积神经网络 |
| export_dl_artifacts | 下载深度学习工具箱的项目工件 |
| googlenet | GoogLeNet卷积神经网络 |
| inceptionv3 | Inception-v3卷积神经网络 |
| maxvit | Maxvit神经网络 |
| mnasnet | Mnasnet神经网络 |
| mobilenetv2 | MobileNet-v2卷积神经网络 |
| mobilenetv3 | MobileNet-v3卷积神经网络 |
| regnetx | Regnetx卷积神经网络 |
| regnety | Regnety卷积神经网络 |
| resnet18 | ResNet-18卷积神经网络 |
| resnet50 | ResNet-50卷积神经网络 |
| resnet101 | ResNet-101卷积神经网络 |
| shufflenet | ShuffleNet卷积神经网络 |
| squeezenet | Squeezenet卷积神经网络 |
| swin | Swin_transformer神经网络 |
| swinsmall | 小型Swin_transformer神经网络 |
| swintiny | 微型Swin_transformer神经网络 |
| swinv2 | Swin_transformerv2卷积神经网络 |
| vgg16 | Vgg16卷积神经网络 |
| vgg16bn | Vgg16-bn卷积神经网络 |
| vgg19 | Vgg19卷积神经网络 |
| vgg19bn | vgg19-bn卷积神经网络 |
| visiontransformerb16 | Visiontransformer-b16卷积神经网络 |
| visiontransformerb32 | Visiontransformer-b32卷积神经网络 |
| xception | Xception卷积神经网络 |
# 注意事项
1.由于不同预训练网络之间存在冲突，如需运行多种预训练网络，需要在运行一个预训练网络后重启Syslab命令行窗口。
2.预训练网络参数及网络结构文件需要从云端下载，在网络通畅的时候，函数会自动从云端下载参数文件。如无网络情况下，可提前下载参数附件，按照离线操作步骤，亦可正常运行。
3.Windows环境暂不支持预训练网络。
# 离线操作步骤
1、将附件下载至用户指定目录，并新建文件夹.mscache，将附件放入该文件夹。例如：将附件放入/usr/.mscache文件夹下。
2、建立软链接至用户的home目录下，例如：ln -s /usr/.mscache /home/<Name>/，其中<Name>为用户名。注意：集群环境下/home/<Name>/文件夹需要赋予权限chmod -R 777 /home/<Name>/
3、打开/home/<Name>/.mscache，如果显示存在mindspore文件夹，则代表跳转正确。
# 训练网络
对神经网络进行训练
训练网络
| 函数名 | 简介 |
|---|---|
| trainingOptions | 训练深度学习神经网络的选项 |
| trainNetwork | 训练深度学习神经网络 |
| save | 保存训练完成的深度学习神经网络模型 |
| loadnetwork | 加载训练完成的深度学习神经网络模型文件 |
| exportONNXNetwork | 将网络导出为ONNX模型格式 |
| freezeWeights | 冻结网络层权重参数 |
| trainbfg | BFGS准牛顿反向传播 |
| traincgb | 鲍威尔-比尔重启的共轭梯度反向传播 |
| traingda | 具有自适应学习率反向传播的梯度下降 |
| traingdx | 具有动量的梯度下降和自适应学习率反向传播 |
| trainrp | 弹性反向传播 |
# ONNX模型
导入并修改ONNX格式模型
ONNX模型
| 函数名 | 简介 |
|---|---|
| importONNXNetwork | 导入预先训练的ONNX网络 |
| freezeParameters | 将ONNXParameters中可学习的网络参数转换为不可学习 |
| unfreezeParameters | 将ONNXParameters中不可学习的网络参数转换为可学习 |
| addParameter | 向ONNXParameters对象添加参数 |
| removeParameter | 从ONNXParameters对象中删除参数 |