主要内容

importCaffeNetwork

从Caffe导入预训练的卷积神经网络模型

折叠所有页面

语法

net = importCaffeNetwork(原型文件，数据文件)
net = importCaffeNetwork(___、名称、值)

描述

例子

网= importCaffeNetwork (protofile，数据文件）从Caffe导入一个预先训练好的网络[1]．方法指定的体系结构返回预先训练的网络.prototxt文件protofile类指定的网络权值.caffemodel文件数据文件．

这个函数需要深度学习工具箱™Caffe模型进口商金宝app支持包。如果未安装该支持金宝app包，则提供下载链接。

你可以从Caffe Model Zoo下载预先训练好的网络[２]．

网= importCaffeNetwork (___，名称,值）返回一个具有由一个或多个指定的附加选项的网络名称,值使用前面任何一种语法对参数。

例子

全部折叠

这个例子使用了:

下载和安装深度学习工具箱导入Caffe模型金宝app支持包。

要下载所需的支持包，请键入金宝appimportCaffeNetwork在命令行。

importCaffeNetwork

如果深度学习工具箱导入Caffe模型金宝app支持包未安装，则该函数在外接程序资源管理器中提供到所需支持包的链接。要安装支持包，请单击链接，然后金宝app单击安装．

这个例子使用了:

打开实时脚本

指定要导入的文件。

protofile =“digitsnet.prototxt”；外部=“digits_iter_10000.caffemodel”；

进口网络。

net = importCaffeNetwork(原型文件，数据文件)
net = SeriesNetwork with properties: Layers: [7×1 nnet.cnn.layer.Layer] InputNames: {'testdata'} OutputNames: {'ClassificationOutput'}

输入参数

全部折叠

文件名称.prototxt包含网络体系结构的文件，指定为字符向量或字符串标量。protofile必须在当前文件夹中，在MATLAB的文件夹中®路径，或者必须包含文件的完整路径或相对路径。如果.prototxt文件不指定输入数据的大小，必须使用“InputSize”名称-值对参数。

例子:“digitsnet.prototxt”

文件名称.caffemodel包含网络权重的文件，指定为字符向量或字符串标量。数据文件必须在当前文件夹中，在MATLAB路径下的文件夹中，或者必须包含文件的完整或相对路径。要导入没有权重的网络层，请使用importCaffeLayers．

例子:“digits_iter_10000.caffemodel”

名称-值参数

的可选逗号分隔对名称,值参数。的名字参数名称和价值对应的值。的名字必须出现在引号内。您可以以任意顺序指定多个名称和值对参数Name1, Value1,…,的家．

例子:importCaffeNetwork (protofile丢失,‘AverageImage’,我)使用平均图像导入预训练的网络我对于零中心归一化。

输入数据的大小，指定为行向量。指定由两个或三个整数值组成的向量(h, w),或[w h, c]对应于输入数据的高度、宽度和通道数。如果.prototxt文件不指定输入数据的大小，则必须指定输入大小。

例子:[28 28 1]

用于零中心归一化的平均图像，指定为矩阵。如果指定图像，则必须指定与输入数据大小相同的图像。方法中指定的数据.prototxt文件，如果存在。否则，该函数设置归一化属性的图像输入层的网络“没有”．

类的输出层，指定为分类向量、字符串数组、单元格字符向量数组或“汽车”．如果指定字符向量的字符串数组或单元格数组str，则软件将输出层的类设置为分类(str, str)．如果类是“汽车”，则函数将类设置为分类(1:N),在那里N是类的数量。

数据类型:字符|分类|字符串|细胞

输出参数

全部折叠

进口预训练的Caffe网络，返回作为SeriesNetwork对象或DAGNetwork对象。将彩色图像作为输入的Caffe网络希望图像采用BGR格式。在导入期间,importCaffeNetwork修改网络，使导入的MATLAB网络以RGB图像为输入。

更多关于

全部折叠

GPU使用导入网络

importCaffeNetwork不会在GPU上执行。然而,importCaffeNetwork导入预训练的神经网络进行深度学习DAGNetwork或SeriesNetwork对象，你可以在GPU上使用。

  • 可以在CPU或GPU上使用导入的网络进行预测分类．使用name-value参数指定硬件需求ExecutionEnvironment．对于具有多个输出的网络，使用预测函数。

  • 可以在CPU或GPU上使用导入的网络进行预测预测．使用name-value参数指定硬件需求ExecutionEnvironment．如果网络有多个输出，则指定name-value参数ReturnCategorical作为真正的．

  • 导入的网络可以在CPU或GPU上进行训练trainNetwork．若要指定培训选项，包括用于执行环境的选项，请使用trainingOptions函数。使用name-value参数指定硬件需求ExecutionEnvironment．有关如何加速训练的更多信息，请参见并行、gpu和云中扩展深度学习．

使用GPU需要并行计算工具箱™和受支持的GPU设备。金宝app有关受支持设备的信息，请参见金宝appGPU支金宝app持版本(并行计算工具箱)．

提示

兼容性的考虑

全部展开

不建议从R2018b开始

参考文献

[２]Caffe动物园模型．https://caffe.berkeleyvision.org/model_zoo.html．

扩展功能

另请参阅

||||||||

主题

在R2017a中引入

深度学习工具箱文档

金宝app

用MATLAB介绍深度学习

用MATLAB介绍深度学习

下载电子书