importKerasNetwork
导入预训练的Keras网络和权重
描述
例子
下载并安装TensorFlow模型的深度学习工具箱转换器
下载并安装TensorFlow模型的深度学习工具箱转换器支持包。金宝app
类型importKerasNetwork在命令行。
importKerasNetwork
如果没有安装用于TensorFlow模型的深度学习工具箱转换器支持包，则该函数将在Add-On资源管理器中提供到所需支持包金宝app的链接。要安装支持包，请单击链接，然后金宝app单击安装．通过从模型文件导入网络，检查安装是否成功“digitsDAGnet.h5”在命令行。如果安装了所需的支持包，则函数返金宝app回DAGNetwork对象。
modelfile =“digitsDAGnet.h5”；net = importKerasNetwork(modelfile)
警告:保存的Keras网络不包含类。类将被设置为categorical(1:N)，其中N是网络分类输出层的类数。要指定类，使用' classes '参数。
net = DAGNetwork with properties: Layers: [13x1 nnet.cnn.layer.Layer] Connections: [13x2 table] InputNames: {'input_1'} OutputNames: {'ClassificationLayer_activation_1'}
导入并绘制Keras网络
指定要导入的文件。该文件digitsDAGnet.h5包含有向无环图卷积神经网络，用于对数字图像进行分类。
modelfile =“digitsDAGnet.h5”；
导入网络。
net = importKerasNetwork(modelfile)
警告:保存的Keras网络不包含类。类将被设置为categorical(1:N)，其中N是网络分类输出层的类数。要指定类，使用' classes '参数。
net = DAGNetwork with properties: Layers: [13x1 nnet.cnn.layer.Layer] Connections: [13x2 table] InputNames: {'input_1'} OutputNames: {'ClassificationLayer_activation_1'}
绘制网络架构图。
情节(净)标题(“DAG网络架构”）
导入Keras网络和权重
指定要导入的网络和权重文件。
modelfile =“digitsDAGnet.json”；重量=“digitsDAGnet.weights.h5”；
这是一个以数字数据为训练对象的有向无环图卷积神经网络。
导入网络架构并从单独的文件导入权重。json文件没有输出层，也没有关于cost函数的信息。在导入文件时指定输出层类型。
net = importKerasNetwork(模型文件，“WeightFile”权重,.．.“OutputLayerType”，“分类”）
警告:保存的Keras网络不包含类。类将被设置为categorical(1:N)，其中N是网络分类输出层的类数。要指定类，使用' classes '参数。
net = DAGNetwork with properties: Layers: [13x1 nnet.cnn.layer.Layer] Connections: [13x2 table] InputNames: {'input_1'} OutputNames: {'ClassificationLayer_activation_1'}
导入预训练的Keras网络对图像进行分类
指定模型文件。
modelfile =“digitsDAGnet.h5”；
指定类名。
classNames = {' 0 '，' 1 '，' 2 '，“3”，“4”，“5”，“6”，“7”，“8”，“9”};
导入带有类名的Keras网络。
net = importKerasNetwork(模型文件，“类”类名);
阅读图像进行分类。
digitDatasetPath = fullfile(toolboxdir(“nnet”)，“nndemos”，“nndatasets”，“DigitDataset”）;I = imread(fullfile(digitDatasetPath)，“5”，“image4009.png”））;
使用预训练的网络对图像进行分类。
标签=分类(net,I);
显示图像和分类结果。
imshow (I)标题([“分类结果:”char(标签)))
输入参数
输出参数
限制
importKerasNetwork金宝app支持以下TensorFlow-Keras版本:该函数完全支持TensorFlow-K金宝apperas 2.2.4版本。
该函数对TensorFlow-Keras 2.2.5到2金宝app.4.0版本提供有限的支持。
更多关于
提示
如果网络中包含一层TensorFlow模型的深度学习工具箱转换器不支持(参见金宝app金宝app支持的Keras层),然后
importKerasNetwork返回一个错误消息。在这种情况下，您仍然可以使用importKerasLayers导入网络结构和权重。您可以导入具有多输入多输出(MIMO)的Keras网络。使用
importKerasNetwork如果网络包含输入的输入大小信息和输出的损失信息。否则,使用importKerasLayers．的importKerasLayers函数为输入和输出插入占位符层。导入后，您可以通过使用查找并替换占位符层findPlaceholderLayers而且replaceLayer,分别。导入MIMO Keras网络的流程与导入MIMO ONNX™网络的流程相同。有关示例，请参见导入和组装多输出ONNX网络．要了解具有多个输入和多个输出的深度学习网络，请参见多输入多输出网络．要使用预训练的网络对新图像进行预测或迁移学习，您必须以与用于训练导入模型的图像预处理相同的方式对图像进行预处理。最常见的预处理步骤是调整图像大小，减去图像平均值，并将图像从BGR图像转换为RGB。
有关用于训练和预测的图像预处理的更多信息，请参见用于深度学习的图像预处理．
MATLAB使用基于1的索引，而Python®使用从零开始的索引。换句话说，在MATLAB和Python中，数组中的第一个元素的索引分别为1和0。有关MATLAB索引的更多信息，请参见数组索引．在MATLAB中，要使用一个索引数组(
印第安纳州)，将数组转换为印第安纳州+ 1．
选择功能
使用
importKerasNetwork或importKerasLayers导入HDF5或JSON格式的TensorFlow-Keras网络。如果TensorFlow网络是保存的模型格式，请使用importTensorFlowNetwork或importTensorFlowLayers．如果你导入了一个自定义的TensorFlow-Keras层，或者如果软件不能将TensorFlow-Keras层转换成等效的内置MATLAB层，你可以使用
importTensorFlowNetwork或importTensorFlowLayers，它们试图生成一个自定义层。例如,importTensorFlowNetwork而且importTensorFlowLayers当你导入TensorFlow-Keras时，生成一个自定义层λ层。
参考文献
[1]Keras: Python深度学习库．https://keras.io．
版本历史
在R2017b中引入
您也可以从以下列表中选择一个网站: