使用培训的深度学习神经网络对数据进行分类
您可以使用培训的神经网络进行预测,以便在CPU或GPU上深入学习。使用GPU需要并行计算工具箱和CUDA®使英伟达®GPU具有计算能力3.0或更高。使用该硬件要求指定硬件要求execultenvironment.
名称值对参数。
对于具有多个输出的网络,使用预测
并设置'return类别'
选择真正的
.
[
使用由一个或多个名称-值对参数指定的附加选项预测类标签。ypred.
那分数
] =分类(___那名称,价值
)
当用不同长度的序列进行预测时,迷你批量大小可以影响添加到的输入数据的填充量,这导致不同的预测值。尝试使用不同的值,以查看最适合您的网络。要指定迷你批量大小和填充选项,请使用“MiniBatchSize”
和'sequencelength'
选项。
deep learning Toolbox™中用于深度学习训练、预测和验证的所有函数使用单精度浮点算法执行计算。深度学习的函数包括Trainnetwork.
那预测
那分类
,激活
.当您使用CPU和GPU培训网络时,该软件使用单精度算术。
对于具有多个输出的网络,使用预测
并设置'return类别'
选择真正的
.
您可以使用培训的网络计算预测的分数预测
.
您还可以使用网络层计算激活激活
.
对于序列到标签和序列到序列分类网络,您可以使用预测和更新网络状态classifyandupdateState.
和predictAndUpdateState
.
工藤、富山、新保。“使用通过区域的多维曲线分类”。模式识别字母.卷。20,第11-13页,第1103-1111页。
[2]UCI机器学习存储库:日语元音数据集.https://archive.ics.uci.edu/ml/datasets/Japanese+Vowels