ResNet-50是在ImageNet数据库子集上进行训练的预训练模型，它在2015年ImageNet大规模视觉识别挑战赛(ILSVRC)中获得了冠军。该模型对100多万幅图像进行训练，共177层，对应50层残差网络，可将图像分类为1000个对象类别(如键盘、鼠标、铅笔和许多动物)。
打开resnet50。mlpkginstall文件，从您的操作系统或MATLAB将启动安装过程，您有。
这个mlpkginstall文件适用于R2017b和更高版本。
使用的例子:
%访问训练过的模型
网= resnet50 ();
%查看架构的详细信息
网。层
读取要分类的图像
I = imread(“peppers.png”);
%调整图像大小
深圳= net.Layers (1) .InputSize
我=(1:深圳(1),1:深圳(2),1:深圳(3));
%使用Resnet-50对图像进行分类
分类(净额，I)
%显示图像和分类结果
数字
imshow(我)
文本(10年,20年,char(标签),“颜色”,“白”)
意见及评分(33）
MATLAB版本兼容性
创建R2017b
兼容R2017b到R2021a
平台的兼容性
窗户 macOS Linux类别
标签
你也可以从以下列表中选择一个网站:
在R2020上安装失败*叹气!
我不能在2021a下载为什么
我不能在matlab2019a版本下载resnet50，为什么?它已经下载，但当我输入并运行命令框使用resnet0命令，它显示DAGNetwork没有属性…有人能回答这个问题吗
无法安装，即使我试图从matlab add on explorer安装。
你好，我正在使用Matlab R2016a。你能把这个工具发给我一份到karaklove@yahoo.com吗?谢谢
你好，你能展示一下如何计算图像的精度吗
很好!
有人在imagenet验证集上测试过吗?我得到了70%的准确率，大约比keras报告的预训练resnet50低4-5%
我已经下载了这个工具箱，如何安装来制作数据集。
大家好，我目前正在使用这个架构作为我的荣誉项目的一部分，在胸部x光片中分割肺部。然而，我现在遇到的一个主要问题是，这些图像的尺寸是1092 × 1920，而ResNet只能接收224 × 224的图像。有办法解决这个问题吗?
任何帮助或建议将非常感谢!
我需要这个Resnet-50网络Matlab 2016-b。
你能给我一些建议吗?
azharimran63@gmail.com
能不能告诉我，我怎样才能得到它的一层一层的代码?
zhangshaungqing谢谢
我使用下面的代码成功训练了resnet网络，没有出现上面提到的问题。
numClasses =元素个数(类别(imdsTrain.Labels));
lgraph = removeLayers(lgraph， {'fc1000'，'fc1000_softmax'，'ClassificationLayer_fc1000'});
newLayers = [
fullyConnectedLayer (numClasses“名称”、“俱乐部”,“WeightLearnRateFactor”,10日BiasLearnRateFactor, 10)
softmaxLayer('名称',' softmax ')
classificationLayer('名称',' classoutput '));
lgraph = addLayers (lgraph newLayers);
lgraph = connectLayers (lgraph avg_pool, fc);
“我有个问题，第12层的输出和第13层预期的输入不兼容。”
是的。我也有这个问题
layersTransfer = net.Layers (1: end-3);
numClasses =元素个数(类别(trainingImages.Labels))
层= [
layersTransfer
fullyConnectedLayer (numClasses WeightLearnRateFactor, 20日BiasLearnRateFactor, 20)
softmaxLayer
classificationLayer];
netTransfer = trainNetwork (trainingImages层,选项);
不工作，ResNet-50和我有同样的问题，层12是不兼容层13
我曾经使用过ResNet-50，当我尝试从保存的检查点恢复训练时，我遇到了同样的问题，第12层与第13层不兼容
“我有个问题，第12层的输出和第13层预期的输入不兼容。”
是的。我也有这个问题
你好,
我正在测试由1560个图像组成的数据集上的resnet 50。我有问题与输出的层12是不兼容的输入预期层13。
如果您能给我一些建议，我将不胜感激
不错的工作!
好!