打开应用程序，选择一个预先训练好的网络。控件，也可以加载预训练的网络设计师标签，点击新。如果需要下载网络，请单击安装打开附加组件资源管理器。深度网络设计者已经预先训练了适合图像和音频任务的网络。加载预先训练的音频网络需要音频工具箱™。

在设计师窗格，可视化和探索网络。有关可用的预训练图像分类网络的列表以及如何比较它们，请参见预训练的深度神经网络。

有关使用深度网络设计器构建网络的信息，请参见用深度网络设计器构建网络。

迁移学习是采用预先训练好的深度学习网络并对其进行微调以学习新任务的过程。您可以使用较少的训练图像快速将学习到的特征转移到新任务中。因此，迁移学习通常比从零开始训练一个网络更快更容易。要使用预训练的网络进行迁移学习，必须改变类的数量以匹配新的数据集。

使用SqueezeNet打开深度网络设计器。

deepNetworkDesigner (squeezenet)

为了准备网络进行迁移学习，替换最后的可学习层和最后的分类层。对于SqueezeNet，最后一个可学习的层是一个名为“conv10”。

接下来，删除分类输出层。然后，拖动一个newclassificationLayer在画布上并连接它。输出层的默认设置意味着网络在训练期间学习类的数量。

通过单击检查网络分析在设计师选项卡。网络已准备好训练，如果深度学习网络分析仪报告零错误。有关如何训练网络对新图像进行分类的示例，请参见基于深度网络设计器的迁移学习。

在设计师窗格中，选择一个层以查看和编辑属性。点击图层名称旁边的帮助图标，以获得关于该图层属性的更多信息。

有关层属性的更多信息，请参见深度学习层列表。

在深度网络设计器中，可以通过从层的图书馆到设计师窗格并连接它们。中的网络中，还可以从工作区中添加自定义层设计师窗格。假设在变量中存储了一个自定义层myCustomLayer。

应用程序将自定义层添加到设计师窗格。要查看新图层，请使用鼠标放大或单击放大。

连接myCustomLayer到网络中设计师窗格。有关显示如何在深度网络设计器中使用自定义层构建网络的示例，请参见导入自定义层到深度网络设计器。

您还可以在深度网络设计器中组合网络。例如，您可以通过将预先训练的网络与解码器子网络结合起来来创建语义分割网络。

您可以使用数据选项卡，导入训练和验证数据。Deep Network Designer支持图像数据和数据存储对象的导入。根据任务类型选择导入方法。

类使用的图像数据或任何数据存储对象，可以使用深度网络设计器训练网络trainNetwork函数。例如，你可以训练一个语义分割网络或一个多输入网络使用CombinedDatastore对象。有关将数据导入深度网络设计器的详细信息，请参见导入数据到深度网络设计器。

对导入到深度网络设计器的数据进行训练培训选项卡上,单击火车。该应用程序会显示训练进度的动画图。该图显示了小批损失和准确性，验证损失和准确性，以及关于训练进度的附加信息。该情节有一个停止按钮在右上角。点击按钮停止训练，返回网络当前状态。

有关更多信息，请参见使用深度网络设计器训练网络。

如果您需要对培训进行更大的控制，请单击培训方案选择培训设置。有关选择培训选项的详细信息，请参见trainingOptions。

有关如何训练图像分类网络的示例，请参见基于深度网络设计器的迁移学习。有关如何训练序列到序列LSTM网络的示例，请参见利用深度网络设计器进行时间序列预测的训练网络。

若要在深度网络设计器不支持的数据上训练网络，请选择设计师选项卡，单击出口导出初始网络架构。然后，您可以编程地训练网络，例如，使用自定义训练循环。

有关显示如何将网络从深度网络设计器导出到Simulink的示例，请参见从深度网络设计器导出图像分类网络到Simulink。

要重新创建在深度网络设计器中构建和训练的网络，请生成MATLAB代码。

生成脚本后，可以执行以下任务。

有关更多信息，请参见从深度网络设计器生成MATLAB代码。

您还可以使用深度网络设计器创建深度学习实验，扫描一系列超参数值或使用贝叶斯优化来找到最佳训练选项。作为一个例子，展示如何使用实验管理器要调优在深度网络设计器中训练的网络的超参数，请参见使用深度网络设计器生成实验。