importTensorFlowLayers
进口层TensorFlow网络
描述
lgraph= importTensorFlowLayers (modelFolder)modelFolder保存模型中的模型,其中包含格式(兼容只有TensorFlow 2)。该函数可以导入TensorFlow网络创建TensorFlow-Keras顺序或功能的API。importTensorFlowLayers进口中定义的层saved_model.pb中包含的文件和学习权重变量子文件夹,并返回lgraph作为一个LayerGraph对象。
importTensorFlowLayers要求深度学习工具箱™转换器TensorFlow模型金宝app支持包。如果这种支持包没金宝app有安装importTensorFlowLayers提供一个下载链接。
请注意
importTensorFlowLayers试图生成一个自定义层当你导入一个定制TensorFlow层或当软件不能TensorFlow层转化为一个等价的内置MATLAB®层。的层的软件支持转换,明白了金宝appTensorFlow-Keras层支持转换成内置金宝appMATLAB层。
importTensorFlowLayers保存生成的自定义层和相关TensorFlow运营商在包+。modelFolder
importTensorFlowLayers并不会自动生成一个自定义层每个TensorFlow层不支持转换成一个内置的MATLAB层。金宝app如何处理不支持层的更多信息,见金宝app提示。
lgraph= importTensorFlowLayers (modelFolder,名称,值)“OutputLayerType”、“分类”附加一个分类输出层的进口网络体系结构。
例子
进口TensorFlow网络兼容层图DAGNetwork
导入一个pretrained TensorFlow网络在保存的模型格式LayerGraph对象。然后,将进口层组装成一个DAGNetwork对象,并使用组装网络分类图像。
指定模型文件夹。
如果~ (“digitsDAGnet”,“dir”)解压缩(“digitsDAGnet.zip”)结束modelFolder =”。/ digitsDAGnet ';
指定类名。
一会= {' 0 ',' 1 ',' 2 ',“3”,“4”,“5”,“6”,“7”,“8”,“9”};
导入TensorFlow网络层和权重的模型格式保存。默认情况下,importTensorFlowLayers网络作为一个进口LayerGraph对象兼容DAGNetwork对象。指定输出层类型的图像分类问题。
lgraph = importTensorFlowLayers (modelFolder,“OutputLayerType”,“分类”)
导入保存模型……翻译的模式,这可能需要几分钟…完成翻译。
lgraph = LayerGraph属性:层:[13×1 nnet.cnn.layer.Layer]连接:[13×2表]InputNames: {“input_1”} OutputNames: {“ClassificationLayer_activation_1”}
显示的最后一层进口网络。输出显示importTensorFlowLayers附加一个ClassificationOutputLayer的网络体系结构。
lgraph.Layers(结束)
ans = ClassificationOutputLayer属性:名称:“ClassificationLayer_activation_1”类:“汽车”ClassWeights:“没有一个”OutputSize:‘汽车’Hyperparameters LossFunction:“crossentropyex”
分类层不包含的类,因此您必须指定这些之前装配网络。如果你不指定的类,然后软件自动设置类1,2、……N,在那里N类的数量。
分类层的名字“ClassificationLayer_activation_1”。设置类一会然后导入分类层替换为新的。
粘土= lgraph.Layers(结束);粘土。类=一会;lgraph = replaceLayer (lgraph,“ClassificationLayer_activation_1”、粘土);
组装层图使用assembleNetwork返回一个DAGNetwork对象。
净= assembleNetwork (lgraph)
网= DAGNetwork属性:层:[13×1 nnet.cnn.layer.Layer]连接:[13×2表]InputNames: {“input_1”} OutputNames: {“ClassificationLayer_activation_1”}
读你想要的图像分类。
digitDatasetPath = fullfile (toolboxdir (“nnet”),“nndemos”,“nndatasets”,“DigitDataset”);我= imread (fullfile (digitDatasetPath,“5”,“image4009.png”));
使用进口网络分类的图像。
标签=分类(净,我);
显示图像的分类结果。
imshow (I)标题([的分类结果一会{标签}])
进口TensorFlow网络兼容层图dlnetwork
导入一个pretrained TensorFlow网络在保存的模型格式LayerGraph对象兼容dlnetwork对象。然后,把LayerGraph对象一个dlnetwork对图像进行分类。
指定模型文件夹。
如果~ (“digitsDAGnet”,“dir”)解压缩(“digitsDAGnet.zip”)结束modelFolder =”。/ digitsDAGnet ';
指定类名。
一会= {' 0 ',' 1 ',' 2 ',“3”,“4”,“5”,“6”,“7”,“8”,“9”};
导入TensorFlow网络层兼容dlnetwork对象。
lgraph = importTensorFlowLayers (modelFolder,“TargetNetwork”,“dlnetwork”)
导入保存模型……翻译的模式,这可能需要几分钟…完成翻译。
lgraph = LayerGraph属性:层:[12×1 nnet.cnn.layer.Layer]连接:[12×2表]InputNames: {“input_1”} OutputNames:{1×0细胞}
读你想要的图像分类和显示图像的大小。图像是灰度图像(一个频道)28-by-28像素大小。
digitDatasetPath = fullfile (toolboxdir (“nnet”),“nndemos”,“nndatasets”,“DigitDataset”);我= imread (fullfile (digitDatasetPath,“5”,“image4009.png”));大小(我)
ans =1×228日28日
进口层图转换为一个dlnetwork对象。
dlnet = dlnetwork (lgraph);
显示输入网络的大小。在这种情况下,图像大小匹配网络输入的大小。如果它们不匹配,您必须调整图像通过使用imresize(我netInputSize (1:2))。
dlnet.Layers (1) .InputSize
ans =1×328日28日1
将图像转换为一个dlarray。格式的图像尺寸“SSCB”(空间、空间、通道、批)。在这个例子中,批处理大小是1,你可以忽略它(SSC的)。
I_dlarray = dlarray(单(我),“SSCB”);
样本图像进行分类,找到预测的标签。
概率=预测(dlnet I_dlarray);[~,标签]= max(概率);
显示图像的分类结果。
imshow (I)标题([的分类结果一会{标签}])
进口TensorFlow图自动生成自定义层的网络层
导入一个pretrained TensorFlow网络在保存的模型格式LayerGraph对象。然后,将进口层组装成一个DAGNetwork对象。导入的网络不支持包含层转换成内置MATLAB层。金宝app软件自动生成自定义层当你进口这些层。
下面的例子使用了辅助函数findCustomLayers。查看这个函数的代码,看看Helper函数。
指定模型文件夹。
如果~ (“digitsDAGnetwithnoise”,“dir”)解压缩(“digitsDAGnetwithnoise.zip”)结束modelFolder =”。/ digitsDAGnetwithnoise ';
指定类名。
一会= {' 0 ',' 1 ',' 2 ',“3”,“4”,“5”,“6”,“7”,“8”,“9”};
导入TensorFlow网络层和权重的模型格式保存。默认情况下,importTensorFlowLayers网络作为一个进口LayerGraph对象兼容DAGNetwork对象。指定输出层类型的图像分类问题。
lgraph = importTensorFlowLayers (modelFolder,“OutputLayerType”,“分类”);
导入保存模型……翻译的模式,这可能需要几分钟…完成翻译。
如果导入网络包含转换成的层不支持内置MATLAB层,金宝appimportTensorFlowLayers可以自动生成自定义层代替这些层。importTensorFlowLayers保存每个生成自定义一个单独的层。m文件包+ digitsDAGnetwithnoise在当前文件夹。
找到自动生成自定义的指标层,使用helper函数findCustomLayers,并显示自定义层。
印第安纳州= findCustomLayers (lgraph.Layers,' + digitsDAGnetwithnoise ');lgraph.Layers(印第安纳州)
ans = 2×1层阵列层:1‘gaussian_noise_1 GaussianNoise digitsDAGnetwithnoise。kGaussianNoise1Layer3766 2的gaussian_noise_2 GaussianNoise digitsDAGnetwithnoise.kGaussianNoise2Layer3791
分类层不包含的类,因此您必须指定这些之前装配网络。如果你不指定的类,然后软件自动设置类1,2、……N,在那里N类的数量。
分类层的名字“ClassificationLayer_activation_1”。设置类一会然后导入分类层替换为新的。
粘土= lgraph.Layers(结束);粘土。类=一会;lgraph = replaceLayer (lgraph,“ClassificationLayer_activation_1”、粘土);
组装层图使用assembleNetwork。函数返回一个DAGNetwork为预测对象,已经可以使用了。
净= assembleNetwork (lgraph)
网= DAGNetwork属性:层:[15×1 nnet.cnn.layer.Layer]连接:[15×2表]InputNames: {“input_1”} OutputNames: {“ClassificationLayer_activation_1”}
Helper函数
本节提供的代码辅助功能findCustomLayers在这个例子中使用。findCustomLayers返回指数自定义层importTensorFlowNetwork自动生成。
函数指数= findCustomLayers(层,PackageName) s = ([‘。’PackageName]);指数= 0(1、长度(小);为i = 1:长度(层)为j = 1:长度(小)如果strcmpi(类(层(i)), [PackageName(2:结束)“。”s.m {j} (1: end-2)])指数(j) =我;结束结束结束结束
输入参数
输出参数
限制
importTensorFlowLayers金宝app支持TensorFlow版本v2.0, v2.1, v.2.2 v2.3。
更多关于
提示
如果进口网络包含一层不支持转换成一个内置的MATLAB层(见金宝appTensorFlow-Keras层支持转换成内置金宝appMATLAB层),
importTensorFlowLayers不自动生成一个自定义图层,那么importTensorFlowLayers插入一个占位符一层一层的不支持的。金宝app找到支持的名称和指标层网络中,使用金宝appfindPlaceholderLayers函数。你可以换一个占位符层定义的一个新图层。替换一个层,使用replaceLayer。使用pretrained网络预测或转让学习新的图片,你必须进行预处理图像以同样的方式用于火车导入模型的图像预处理。最常见的预处理步骤调整图片大小,图像减去平均值,并从BGR图像RGB图像转换。
更多信息预处理图像进行训练和预测,明白了预处理图像深度学习。
包的成员
+(自定义层和TensorFlow运营商)是无法访问如果包父文件夹不是在MATLAB的道路。有关更多信息,请参见包和MATLAB的道路。PackageName
选择功能
使用importTensorFlowNetwork或importTensorFlowLayers进口TensorFlow网络保存模型格式[2]。另外,如果网络HDF5或JSON格式,使用importKerasNetwork或importKerasLayers导入网络。
引用
[1]TensorFlow。https://www.tensorflow.org/。
[2]使用SavedModel格式。https://www.tensorflow.org/guide/saved_model。
另请参阅
importKerasLayers|importKerasNetwork|importONNXNetwork|importONNXLayers|exportONNXNetwork|importCaffeLayers|importCaffeNetwork|importONNXFunction|layerGraph|assembleNetwork|findPlaceholderLayers|replaceLayer|importTensorFlowNetwork
