主要内容

进口咖啡网

从Caffe导入预训练卷积神经网络模型

折叠所有页面

语法

net=importCaffeNetwork（协议文件、数据文件）
net=导入服务网络(___，名称，值）

描述

实例

网=导入服务网络(原型文件,数据文件)从Caffe导入预训练网络[1].该函数返回具有由指定架构的预训练网络.prototxt文件原型文件并使用.caffemodel文件数据文件.

此功能需要深度学习工具箱™ Caffe型号进口商金宝app支持包。如果未安装此支持包，该功能将提供下载链接。

您可以从Caffe模型动物园下载预训练网络[2].

网=导入服务网络(___,名称、值)返回包含由一个或多个指定的附加选项的网络名称、值使用前面的任何语法对参数进行配对。

例子

全部崩溃

此示例使用：

下载并安装Caffe模型的深度学习工具箱导入器金宝app支持包。

要下载所需的支持包，请键入金宝app进口咖啡网在命令行。

进口咖啡网

如果Caffe模型的深度学习工具箱导入器金宝app如果未安装支持包，则该函数将在附加模块资源管理器中提供指向所需支持包的链接。要安装支持包，请单击链接，然后单击安装.

此示例使用：

打开实时脚本

指定要导入的文件。

原型文件=“digitnet.prototxt”; 数据文件=“数字10000.咖啡模型”;

导入网络。

net=importCaffeNetwork（协议文件、数据文件）
net=具有以下属性的系列网络：层：[7×1 nnet.cnn.layer.layer]输入名称：{'testdata'}输出名称：{'ClassificationOutput'}

输入参数

全部崩溃

文件的文件名.prototxt包含网络体系结构的文件，指定为字符向量或字符串标量。原型文件必须在当前文件夹中，在MATLAB上的文件夹中®路径，或者必须包含文件的完整路径或相对路径。如果.prototxt文件未指定输入数据的大小，必须使用“输入大小”名称-值对参数。

例子：“digitnet.prototxt”

文件的文件名.caffemodel包含网络权重的文件，指定为字符向量或字符串标量。数据文件必须位于当前文件夹、MATLAB路径上的文件夹中，或者必须包含文件的完整路径或相对路径。要导入不带权重的网络层，请使用进口咖啡机.

例子：“数字10000.咖啡模型”

名称值参数

指定可选的逗号分隔的字符对名称、值论据。名称是参数名和价值是对应的值。名称必须出现在引号内。您可以按任意顺序指定多个名称和值对参数，如下所示：名称1，值1，…，名称，值.

例子：importCaffeNetwork（原型文件、数据文件、'AverageImage'，I）使用平均图像导入预训练网络我用于零中心归一化。

输入数据的大小，指定为行向量。指定两个或三个整数值的向量[h，w]或[h，w，c]对应于输入数据的高度、宽度和通道数。如果.prototxt文件未指定输入数据的大小，则必须指定输入大小。

例子：[28 28 1]

零中心规格化的平均图像，指定为矩阵。如果指定图像，则必须指定与输入数据大小相同的图像。如果未指定图像，软件将使用中指定的数据.prototxt文件（如果存在）。否则，函数将设置规范化网络的图像输入层的属性“没有”.

输出层的类，指定为分类向量、字符串数组、字符向量的单元格数组或“自动”。如果指定字符向量的字符串数组或单元格数组str，然后软件将输出层的类设置为分类的（str，str）如果班级是“自动”，然后函数将类设置为分类（1:N）哪里N是班级的数量。

数据类型：烧焦|明确的|一串|单间牢房

输出参数

全部崩溃

导入的预训练Caffe网络，作为系列网络反对或达格网络对象以彩色图像作为输入的Caffe网络期望图像为BGR格式。进口时,，进口咖啡网修改网络，以便导入的MATLAB网络将RGB图像作为输入。

更多关于

全部崩溃

在GPU上使用导入的网络

进口咖啡网不在GPU上执行。但是，进口咖啡网导入一个预训练的神经网络进行深度学习，作为达格网络或系列网络对象，可以在GPU上使用。

  • 您可以使用以下命令在CPU或GPU上使用导入的网络进行预测：分类. 使用name-value参数指定硬件要求执行环境.对于具有多个输出的网络，请使用预测作用

  • 您可以使用以下命令在CPU或GPU上使用导入的网络进行预测：预测. 使用name-value参数指定硬件要求执行环境。如果网络有多个输出，请指定name value参数返回分类像符合事实的.

  • 您可以使用以下命令在CPU或GPU上训练导入的网络：列车网络. 要指定培训选项，包括执行环境的选项，请使用培训选项函数。使用名称值参数指定硬件要求执行环境. 有关如何加快培训的更多信息，请参阅在GPU和云中并行扩展深度学习.

使用GPU需要并行计算工具箱™ 以及受支持的GPU设备。有关支持的设备的信息，请参阅金宝appGPU版金宝app本支持（并行计算工具箱）.

提示

兼容性考虑

全部展开

不建议在R2018b中启动

工具书类

扩展能力

另见

||||||||

话题

R2017a中引入

深度学习工具箱文档

金宝app

用MATLAB引入深度学习

用MATLAB引入深度学习

下载电子书