深度学习

教程paso a paso sobre inspección可视化

喷射出一种流体流体流体流体流体流体流体流体流体流体流体流体流体流体流体流体流体流体流体流体流体流体流体流体。

跟着我：

  1. 下载代码
  2. 打开MATLAB

没有权限?

Obtenga una versión de prueba gratuita
完成时间:
15 - 30分钟
水平:
初级/中级

需要复习一下吗?尝试免费的互动教程。

步骤1

加载和预处理数据

你可以使用深度学习的大型数据集，所以适当的数据管理很重要;但是，出于演示目的，本例中的数据集很小。

加载和预处理数据
  • 导入数据。
加载和预处理数据
  • 数据被标记为好或坏。使用深度学习来帮助区分这两个类别。
加载和预处理数据
  • 的imageDatastore功能根据文件夹名称自动标记图像。
    加载和预处理数据
    • 为了训练模型，将数据分成两类:“训练”用于训练模型，“测试数据”用于测试模型如何在新数据上工作(预留给步骤4，测试模型和可视化结果)。
    加载和预处理数据
    • 通过增加图像来添加更多图像。对于本例中的代码，使用沿x轴和y轴的反射，并将图像旋转180度。
    加载和预处理数据
    • 点击运行部分来运行代码。

    步骤2

    导入模型

    您可以导入和修改网络来处理您的测试数据。

    导入模型
    • 通过调用桌面网络的名称导入模型。如果您还没有安装网络，请单击出现的链接并下载网络。
    导入模型
    • 通过使用特定于数据的新层替换最后几个层来准备模型。例如，将最后一个完全连接的层替换为一个具有两个的层，作为您希望分类的两类数据的输出大小。你也可以用an应用程序要使用拖放方法执行此步骤。
      导入模型
      导入模型
      • 点击运行部分来运行代码。

      步骤3

      火车模型

      你可以使用这些数据和修改后的网络来训练一个新的图像分类器。有各种各样的培训方案可供选择。本步骤中使用的示例是一个简单的训练配置，其中包括优化器、epoch数量、初始学习率和绘图。根据您的GPU和CPU资源，训练模型可能需要花费大量时间。

      训练模型
      训练模型
      • 如果您想训练模型，取消注释代码行并单击运行部分。
      • 如果你不想训练模型，你可以跳过这一步，在第4步，测试模型和可视化结果中加载一个预训练的网络。

      步骤4

      测试模型和可视化结果

      在最后一步中，您希望加载模型并使用测试数据来查看模型的准确性。

      测试模型并可视化结果
      • 对测试数据进行分类(除了步骤1，加载和预处理数据)，使用分类函数在一行代码中对所有图像进行分类。
      测试模型并可视化结果
      • 查看结果并将其与真实值进行比较。准确度是正确答案相对于测试样本总数的计算。
      测试模型并可视化结果
      • 阅读和分类单独的图像和可视化的结果。如果模型检测到缺陷，使用可解释的AI技术，如GradCAM来可视化图像中缺陷的位置。
      测试模型并可视化结果

      需要记住的关键事项:

      • 使用灵活的模型来处理新数据或新环境，而不仅仅是训练期间学到的数据。
      • 您可以使用可视化技术来帮助您理解网络所看到的内容，并添加调试来揭示网络为何以这种方式工作。

      你也可以观看下面的视频:

      El vídeo dura 5:18。
      Johanna Pingel

      联系Johanna, MathWorks深度学习专家

      电子邮件Johanna