主要内容

La traducción de esta página aún没有se ha actualizado a La versión más reciente。Haga clic aquí para ver la última versión en inglés。

vgg19

红色神经元旋回VGG-19

对比todo en la página
  • VGG-19网络架构

Sintaxis

Net = vgg19
net = vgg19('Weights'，'imagenet')
layers = vgg19('Weights'，'none')

Descripcion

VGG-19红神经元旋回深角。Puede cargar una versión preentrenada de la red entrenada en más de un millón de imágenes desde la base de datos[1]de ImageNet。La red preentrenada puede分类imágenes en 1000 categorías de objetos (por ejemplo, teclado, ratón, lápiz y动物)。好结果，红色的，我们的国家características对我们的国家imágenes。El tamaño de la entrada de imagen de la red es de 224 por 224。Para ver más redes preentrenadas en MATLAB®, consulte前突深神经红．

喝水可以utilizar分类para分类nuevas imágenes中间红VGG-19。我爱你，我爱你分类una imagen con GoogLeNet我们重新安置VGG-19的GoogLeNet。

在新土地上的红色之路clasificación，在指示的道路上Entrenar redes de深度学习para classification nuevas imágenesy cargue VGG-19 en lugar de GoogLeNet。

比如

网= vgg19develve una red VGG-19 entrenada con el conjunto de datos de ImageNet。

Esta función requiere el paquete de soporte深度学习工具箱™模型VGG-19网络．Si no ha安装el paquete de soporte, la función比例，un enlace de descarga。

网= vgg19(“权重”,“imagenet”）develve una red VGG-19 entrenada con el conjunto de datos de ImageNet。Esta sintaxis等于aNet = vgg19．

层= vgg19(“权重”,“没有”）devuelve la arquitectura de red VGG-19 sin entrrenar。我的心没有需要ningún我的心。

包括

反待办事项

Este ejemplo muestra cómo descargar e instar el paquete de soporte深度学习工具箱模型VGG-19网络．

Escribavgg19En la línea突击队。

vgg19

深度学习工具箱模型VGG-19网络没有está安装，la función比例ciona un enlace al paquete de soporte对应en Add-On Explorer。Para instar el paquete de soporte, haga clic en el enlace y después en安装．Para comprobar que la instalación这是正确的认识，escribavgg19En la línea突击队。

vgg19
ans = SeriesNetwork with properties: Layers: [47×1 nnet.cnn.layer.Layer]

可视化la red con深度网络设计器。

deepNetworkDesigner (vgg19)

深度网络设计器，haga clic en新．

深度网络设计器开始页显示可用的预训练网络

Si nesita descargar una red, deténgase en la red deseada y haga clic en安装附加组件资源管理器。

省略脚本在体内

Cargue una红神经元旋回VGG-19前突检查。

使用vgg19para cargar una red VGG-19 preentrenada。洛杉矶——赛利达网联合国反对SeriesNetwork．

Net = vgg19
net = SeriesNetwork with properties: Layers: [47×1 nnet.cnn.layer.Layer]

红色的建筑与吉祥的视觉层．La red consta de 47 capas。19个与金钱有关的问题:16个与金钱有关的问题。

网层
ans = 47x1带有图层的图层数组:224 x224x3输入的图像输入图像2”zerocenter“正常化”conv1_1卷积64子集要旋转步[1]和填充[1 1 1 1]3‘relu1_1 ReLU ReLU 4 conv1_2卷积64 3 x3x64旋转步[1]和填充[1 1 1 1]5‘relu1_2 ReLU ReLU 6“pool1”马克斯池2 x2马克斯池步(2 - 2)和填充[0 0 0 0]7 conv2_1卷积128 3 x3x64旋转步[1]和填充(1 1 1)8“relu2_1”ReLU ReLU 9 conv2_2卷积128 3 x3x128旋转步[1]和填充[1 1 1 1]10“relu2_2”ReLU ReLU 11“pool2”马克斯池2 x2马克斯池步(2 - 2)和填充[0 0 0 0]12 conv3_1卷积256 3 x3x128旋转步[1]和填充[1 1 1 1]13的relu3_1 ReLU ReLU 14 conv3_2卷积256 3 x3x256旋转步[1]和填充[1 1 1 1]15 ' relu3_2 ReLU ReLU 16 conv3_3卷积256 3 x3x256旋转步[1]和填充[1 1 1 1]17 relu3_3 ReLUReLU 18 'conv3_4' Convolution 256 3x3x256 convolutions with stride [1 1] and padding [1 1 1 1] 19 'relu3_4' ReLU ReLU 20 'pool3' Max Pooling 2x2 max pooling with stride [2 2] and padding [0 0 0 0] 21 'conv4_1' Convolution 512 3x3x256 convolutions with stride [1 1] and padding [1 1 1 1] 22 'relu4_1' ReLU ReLU 23 'conv4_2' Convolution 512 3x3x512 convolutions with stride [1 1] and padding [1 1 1 1] 24 'relu4_2' ReLU ReLU 25 'conv4_3' Convolution 512 3x3x512 convolutions with stride [1 1] and padding [1 1 1 1] 26 'relu4_3' ReLU ReLU 27 'conv4_4' Convolution 512 3x3x512 convolutions with stride [1 1] and padding [1 1 1 1] 28 'relu4_4' ReLU ReLU 29 'pool4' Max Pooling 2x2 max pooling with stride [2 2] and padding [0 0 0 0] 30 'conv5_1' Convolution 512 3x3x512 convolutions with stride [1 1] and padding [1 1 1 1] 31 'relu5_1' ReLU ReLU 32 'conv5_2' Convolution 512 3x3x512 convolutions with stride [1 1] and padding [1 1 1 1] 33 'relu5_2' ReLU ReLU 34 'conv5_3' Convolution 512 3x3x512 convolutions with stride [1 1] and padding [1 1 1 1] 35 'relu5_3' ReLU ReLU 36 'conv5_4' Convolution 512 3x3x512 convolutions with stride [1 1] and padding [1 1 1 1] 37 'relu5_4' ReLU ReLU 38 'pool5' Max Pooling 2x2 max pooling with stride [2 2] and padding [0 0 0 0] 39 'fc6' Fully Connected 4096 fully connected layer 40 'relu6' ReLU ReLU 41 'drop6' Dropout 50% dropout 42 'fc7' Fully Connected 4096 fully connected layer 43 'relu7' ReLU ReLU 44 'drop7' Dropout 50% dropout 45 'fc8' Fully Connected 1000 fully connected layer 46 'prob' Softmax softmax 47 'output' Classification Output crossentropyex with 'tench' and 999 other classes

Para ver los nombres de las classque la red ha aprendido, visualalapicadad类De la capa De clasificación De salida (la última capa)。Para visualizar las 10 primeras类，特别是los primeros 10 elements。

net.Layers(结束). class (1:10)
ans =10×1分类数组Tench金鱼大白鲨虎鲨锤头电鳐黄貂鱼公鸡母鸡鸵鸟

salida的论证

反待办事项

红色神经元旋回VGG-19前突，异常异常SeriesNetwork．

红神经元旋回VGG-19在前额的构造层．

Referencias

[1]ImageNet．http://www.image-net.org

[2] Russakovsky, O.， Deng, J.， Su, H.等。“ImageNet大规模视觉识别挑战。”国际计算机视觉杂志(IJCV)．115卷，第3期，2015年，第211-252页

Simonyan, Karen, Andrew Zisserman。“用于大规模图像识别的非常深度卷积网络”arXiv预印本arXiv:1409.1556(2014)。

[4]用于大规模视觉识别的超深度卷积网络http://www.robots.ox.ac.uk/~vgg/research/very_deep/

Capacidades ampliadas

历史版本

介绍R2017a

Consulte也

||||||||||

特马