主要内容

importCaffeNetwork

从咖啡进口pretrained卷积神经网络模型

所有的页面崩溃

语法

网= importCaffeNetwork (protofile丢失)
网= importCaffeNetwork (___、名称、值)

描述

例子

净= importCaffeNetwork (protofile,数据文件)从咖啡进口pretrained网络[1]。函数返回指定的pretrained网络架构.prototxt文件protofile和指定的网络权值.caffemodel文件数据文件。

这个函数需要深度学习工具箱™进口国咖啡模型金宝app支持包。如果这种支持包没金宝app有安装,功能提供了一个下载链接。

你可以从咖啡下载pretrained网络模型的动物园[2]。

净= importCaffeNetwork (___,名称,值)返回一个与指定的一个或多个附加选项名称,值对参数使用任何以前的语法。

例子

全部折叠

这个示例使用:

下载并安装深度学习工具箱进口国咖啡模型金宝app支持包。

下载所需的支持包,类型金宝appimportCaffeNetwork在命令行中。

importCaffeNetwork

如果深度学习工具箱进口国咖啡模型金宝app支持包没有安装,那么函数提供了一个链接到需要在插件浏览器支持包。安装支持包,单击该链接,然后单金宝app击安装。

这个示例使用:

打开生活的脚本

指定文件导入。

protofile =“digitsnet.prototxt”;外部=“digits_iter_10000.caffemodel”;

进口网络。

网= importCaffeNetwork (protofile丢失)
网= SeriesNetwork属性:层:[7×1 nnet.cnn.layer.Layer] InputNames: {“testdata”} OutputNames: {“ClassificationOutput”}

输入参数

全部折叠

文件的名称.prototxt文件包含网络体系结构,指定为一个特征向量或字符串标量。protofile必须在当前文件夹,在MATLAB上一个文件夹®路径,或者你必须包括完整或相对文件路径。如果.prototxt文件没有指定输入数据的大小,你必须指定大小使用“InputSize”名称-值对的论点。

例子:“digitsnet.prototxt”

文件的名称.caffemodel文件包含网络权值,指定为一个特征向量或字符串标量。数据文件必须在当前文件夹,在MATLAB上一个文件夹路径,或者你必须包括一个完整或相对路径文件。进口网络层没有重量,使用importCaffeLayers。

例子:“digits_iter_10000.caffemodel”

名称-值参数

指定可选的双参数作为Name1 = Value1,…,以=家,在那里的名字参数名称和吗价值相应的价值。名称-值参数必须出现在其他参数,但对的顺序无关紧要。

R2021a之前,用逗号来分隔每一个名称和值,并附上的名字在报价。

例子:importCaffeNetwork (protofile丢失,‘AverageImage’,我)进口pretrained网络使用平均图像我中心零位正常化。

输入数据的大小,指定为一个行向量。指定一个向量的两个或三个整数值(h, w),或[w h, c]对应高度、宽度和通道的输入数据的数量。如果.prototxt文件没有指定输入数据的大小,然后你必须指定输入的大小。

例子:[28 28 1]

平均图像中心零位正常化,指定为一个矩阵。如果你指定一个图像,你必须指定一个图像大小相同的输入数据。如果你不指定一个图像,软件使用中指定的数据.prototxt文件,如果存在。否则,函数集归一化图像的属性输入层网络“没有”。

输出层的类,指定为一个分类向量,字符串数组,单元阵列的特征向量,或“汽车”。如果您指定一个字符串数组或单元阵列的特征向量str,然后输出层的软件设置类分类(str, str)。如果类是“汽车”,然后设置类的函数分类(1:N),在那里N类的数量。

数据类型:字符|分类|字符串|细胞

输出参数

全部折叠

进口pretrained咖啡网络,作为一个返回SeriesNetwork对象或DAGNetwork对象。咖啡网络,将彩色图像作为输入期望BGR格式的图片。在导入期间,importCaffeNetwork修改网络,以便导入MATLAB网络将RGB图像作为输入。

更多关于

全部折叠

对进口网络的生成代码

您可以使用MATLAB编码器™或GPU编码器™一起深度学习工具箱生成墨西哥人,独立的CPU, CUDA®墨西哥人,或独立的CUDA代码导入网络。有关更多信息,请参见深度学习代码生成。

  • 使用MATLAB编码器与深度学习工具箱生成墨西哥人或独立的CPU的代码运行在桌面或嵌入式目标。您可以部署生成独立的代码,使用了英特尔®MKL-DNN库或手臂®计算库。或者,您可以生成通用的C或c++代码不调用第三方库函数。有关更多信息,请参见深度学习与MATLAB编码器(MATLAB编码器)。

  • 使用GPU与深度学习工具箱编码器生成CUDA墨西哥人或独立的CUDA的代码运行在桌面或嵌入式目标。您可以部署生成独立的CUDA的代码使用CUDA深层神经网络库(cuDNN)的TensorRT™高性能推理库,或手臂计算库马里GPU。有关更多信息,请参见深度学习GPU编码器(GPU编码器)。

importCaffeNetwork返回网络净作为一个DAGNetwork或SeriesNetwork对象。这两个对象支持代码生成。金宝app的更多信息MATLAB编码器和GPU编码器支持深度学习工金宝app具箱对象,明白了金宝app支持类(MATLAB编码器)和金宝app支持类(GPU编码器),分别。

您可以生成代码的任何进口网络层支持代码生成。金宝app层支持代码生成的列表金宝appMATLAB编码器和GPU编码器,看到金宝app支持层(MATLAB编码器)和金宝app支持层(GPU编码器),分别。更多信息在每一个内置的代码生成功能和限制MATLAB层,请参见扩展功能部分的层。例如,请参见代码生成和GPU的代码生成的imageInputLayer。

在GPU上使用进口网络

importCaffeNetwork不执行GPU。然而,importCaffeNetwork进口pretrained深度学习的神经网络DAGNetwork或SeriesNetwork对象,您可以使用GPU。

  • 您可以进行预测与进口网络使用的CPU或GPU分类。使用名称-值参数指定的硬件需求ExecutionEnvironment。对于多个输出的网络,使用预测函数。

  • 您可以进行预测与进口网络使用的CPU或GPU预测。使用名称-值参数指定的硬件需求ExecutionEnvironment。如果网络有多个输出,指定名称的论点ReturnCategorical作为真正的。

  • 你可以训练进口网络使用一个CPU或GPUtrainNetwork。指定训练选项,包括选项执行环境,使用trainingOptions函数。使用名称-值参数指定的硬件需求ExecutionEnvironment。如何加快培训更多的信息,请参阅并行扩展深度学习,在gpu上,在云端。

使用GPU需要并行计算工具箱™和支持GPU设备。金宝app支持设备的信息,请参阅金宝appGPU的金宝app支持版本(并行计算工具箱)。

提示

引用

[2]咖啡模型动物园。https://caffe.berkeleyvision.org/model_zoo.html。

扩展功能

版本历史

介绍了R2017a

全部展开

不推荐在R2018b开始

另请参阅

||||||||

主题