预先训练的深度学习模型
利用深入学习研究界开发的模型架构。热门型号提供强大的架构,并跳过从头开始的需要。
选择模型的提示
有许多预先训练过的模型可供选择,每个模型都有权衡:
- 尺寸:这个型号需要多少内存
模型的最终位置将决定需要考虑多少网络规模。
当选择部署到低内存系统时,请选择专门为该任务设计的模型。
请参阅Edge部署的模型 - 准确性:模型在再培训前的表现如何
通常,一个模型在ImageNet数据集上表现良好,表明该模型已经学习了信息特性,并且在新的类似任务中也能表现良好。
探索更高精度的模型 - 预测速度:模型如何预测新图像可以快
虽然预测速度会根据硬件和批处理大小等许多因素而变化,但速度也会根据所选模型的体系结构和模型的大小而变化。
将预测速度与简单模型开始。
在以下部分中探讨模型之间的权衡。
要将任何模型导入MATLAB,结构是:
>> net = networkname
即。
>> net = alexnet >> net = resnet50
如果模型尚未下载,将提供一个在MATLAB中下载模型的链接。
您可以快速迭代这些模型,并尝试不同的设置,例如数据预处理步骤和培训选项。一旦您有良好的设置,尝试更准确的网络以查看它是否可以提高结果。
探索例子:
看到相关的话题:
探索例子:
来自其他框架的模型
寻找其他框架的模型?使用ONNX,Tensorflow-Keras和Caffe进口商将任何网络导入Matlab。
探索例子: