使用训练过的循环神经网络对数据进行分类并更新网络状态
你可以在CPU或GPU上使用经过训练的深度学习网络进行预测。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).属性指定硬件需求“ExecutionEnvironment”
名称-值对参数。
[
中的数据进行分类updatedNet
,YPred
= classifyAndUpdateState(recNet
,序列
)序列
利用训练好的循环神经网络recNet
并更新网络状态。
这个函数只支持循环神经网络。金宝app输入recNet
必须至少有一个循环层。
[
使用前面语法中的任何参数和一个或多个指定的附加选项updatedNet
,YPred
= classifyAndUpdateState(___,名称,值
)名称,值
对参数。例如,“MiniBatchSize”,27
使用大小为27的小批对数据进行分类
[
使用前面语法中的任何参数,返回分类分数矩阵,并更新网络状态。updatedNet
,YPred
,分数
= classifyAndUpdateState(___)
提示
当使用不同长度的序列进行预测时,小批量大小可能会影响添加到输入数据中的填充量,从而导致不同的预测值。尝试使用不同的值,看看哪个最适合你的网络。要指定小批处理大小和填充选项,请使用“MiniBatchSize”
而且“SequenceLength”
选项,分别。
当你训练一个网络使用trainNetwork
函数,或者当您使用预测或验证函数时DAGNetwork
而且SeriesNetwork
对象,该软件使用单精度浮点运算来执行这些计算。用于训练、预测和验证的函数包括trainNetwork
,预测
,分类
,激活
.当您使用cpu和gpu训练网络时,该软件使用单精度算法。
[1]工藤M.,富山J.,辛波M.。“使用穿过区域的多维曲线分类”模式识别信.第20卷,11-13号,第1103-1111页。
[2]UCI机器学习库:日语元音数据集.https://archive.ics.uci.edu/ml/datasets/Japanese+Vowels