importKerasNetwork
导入预训练Keras网络和权重
描述
例子
下载并安装用于张量流模型的深度学习工具箱转换器
下载并安装TensorFlow模型的深入学习工具箱转换器支持包。金宝app
类型importKerasNetwork在命令行。
importKerasNetwork
如果未安装TensorFlow模型支持包的深度学习工具箱转换器，则该函数将提供到Add-On Explorer中所需支持包金宝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，则该函数金宝app返回aDAGNetwork对象。
modelfile =“digitsDAGnet.h5”；net=importKerasNetwork（模型文件）
警告:保存的Keras网络不包括职业。将类设置为category (1:N)，其中N为网络分类输出层的类数。要指定类，请使用' classes '参数。
net = DAGNetwork with properties: Layers: [13x1 nnet.cnn.layer.Layer] Connections: [13x2 table] InputNames: {'input_1'} OutputNames: {'ClassificationLayer_activation_1'}
导入和规划凯拉斯网络
指定要导入的文件。该文件digitsDAGnet.h5包含一个对数字图像分类的有向无环图卷积神经网络。
modelfile =“digitsDAGnet.h5”;
导入网络。
net=importKerasNetwork（modelfile）
警告:保存的Keras网络不包括职业。将类设置为category (1:N)，其中N为网络分类输出层的类数。要指定类，请使用' 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网络体系结构”)
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”;
这是一个在数字数据上训练的有向无环图卷积神经网络。
导入网络架构，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网络不包括职业。将类设置为category (1:N)，其中N为网络分类输出层的类数。要指定类，请使用' classes '参数。
net = DAGNetwork with properties: Layers: [13x1 nnet.cnn.layer.Layer] Connections: [13x2 table] InputNames: {'input_1'} OutputNames: {'ClassificationLayer_activation_1'}
引入预训练的Keras网络对图像进行分类
指定模型文件。
modelfile =“digitsDAGnet.h5”;
指定类名。
一会= {'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”,“数据集”,“DigitDataset”）;我= imread (fullfile (digitDatasetPath,'5',“image4009.png”））;
使用预训练网络对图像进行分类。
标签=分类(净,我);
显示图像和分类结果。
imshow (I)标题([的分类结果:char(标签)))
输入参数
输出参数
限制
importKerasNetwork金宝app支持TensorFlow-Keras版本如下:该功能完全支持TensorFlow-K金宝apperas 2.2.4版本。
该函数提供了对TensorFlow-Keras版本2.2金宝app.5到2.4.0的有限支持。
更多关于
提示
如果网络包含一个层张量流模型的深度学习工具箱转换器不支持(见金宝app金宝app支撑Keras层),然后
importKerasNetwork返回错误消息。在这种情况下，您仍然可以使用importKerasLayers导入网络架构和权重。您可以导入具有多个输入和多个输出(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．这个importKerasLayers函数为输入和输出插入占位符层。导入后，可以使用查找和替换占位符图层findPlaceholderLayers和替换层分别地导入MIMO Keras网络的工作流与导入MIMO ONNX的工作流相同™ 网络。有关示例，请参见导入并组装具有多个输出的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．若要使用预训练网络对新图像进行预测或传递学习，必须以用于训练导入模型的图像的预处理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、减去图像平均值以及将图像从BGR图像转换为RGB。
有关用于训练和预测的预处理图像的更多信息，请参见用于深度学习的图像预处理．
选择功能
使用importKerasNetwork或importKerasLayers以HDF5或JSON格式导入TensorFlow Keras网络。如果TensorFlow网络采用保存的模型格式，请使用importTensorFlowNetwork或importTensorFlowLayers．
兼容性的考虑
参考文献
［1］Keras: Python深度学习库．https://keras.io．
另见
exportONNXNetwork|importCaffeLayers|进口咖啡网|importKerasLayers|importONNXLayers|importONNXNetwork|importTensorFlowLayers|importTensorFlowNetwork
你也可以从以下列表中选择一个网站:
