主要内容

生成MATLAB来自Deep Network Designer的代码

深度网络设计器应用程序使您能够生成MATLAB®在应用程序中重新创建、编辑和训练网络的代码。

设计师选项卡,您可以生成一个实时脚本:

  • 重新创建网络中的层。选择出口>生成代码

  • 重新创建网络中的层,包括任何初始参数。选择出口>生成带有初始参数的代码

培训选项卡,您可以生成一个实时脚本:

  • 在深度网络设计器中重新构建和训练您构建的网络。选择出口>生成培训代码

生成MATLAB重新创建网络层的代码

生成MATLAB代码,用于重新创建在深度网络设计器中构建的网络。在设计师选项卡,选择以下选项之一:

  • 若要重新创建网络中的层,请选择出口>生成代码.该网络不包含初始参数,例如预先训练的权重。

  • 若要重新创建网络中的层(包括任何初始参数),请选择出口>生成带有初始参数的代码.该应用程序创建一个实时脚本和一个mat文件,其中包含来自网络的初始参数(权重和偏差)。运行脚本重新创建网络层,包括mat文件中的可学习参数。如果要执行迁移学习,则使用此选项保存权重。

运行生成的脚本将网络体系结构作为工作区中的一个变量返回。根据网络架构的不同,变量是一个名为lgraph或者一个名为.有关训练从深度网络设计器导出的网络的示例,请参见使用深度网络设计器创建简单的序列分类网络

生成MATLAB培训网络代码

为了在Deep network Designer中重现网络的构造和训练,训练后生成MATLAB代码。有关使用深度网络设计器训练图像分类网络的示例,请参见基于深度网络设计器的迁移学习

一旦训练完成,上培训选项卡上,选择出口>生成培训代码.该应用程序创建一个实时脚本和一个mat文件,其中包含来自网络的初始参数(权重和偏差)。如果您将数据从工作区导入到Deep Network Designer中,那么生成的mat文件中也包含这些数据。

运行生成的脚本构建网络(包括mat文件中可学习的参数),导入数据,设置训练选项,并训练网络。检查生成的脚本,了解如何在命令行上构造和训练网络。

请注意

如果要更改网络、培训和验证数据或培训选项,请单击火车在生成活动脚本之前。

利用网络进行预测

假设训练好的网络包含在变量中.要使用训练过的网络进行预测,请使用预测函数。例如,假设您有一个训练有素的图像分类网络。利用导出的网络对类进行预测peppers.png

Img = imread(“peppers.png”);img = imresize(img, net.Layers(1).InputSize(1:2));Label = predict(net, img);imshow (img);标题(标签);

参考文献

[1]工藤,美一,富山俊,新保真。“使用穿过区域的多维曲线分类”模式识别信20日,没有。11-13(1999年11月):1103-11。https://doi.org/10.1016/s0167 - 8655 (99) 00077 - x。

[2]工藤,美一,富山俊,新保真。日语元音数据集。由UCI机器学习库分发。https://archive.ics.uci.edu/ml/datasets/Japanese +元音。

另请参阅

||

相关的话题