文档帮助中心文档
使用训练的深度学习神经网络对数据进行分类
深度学习工具箱/深度神经网络
的图像分类器块通过使用块参数指定的经过训练的网络来预测输入数据的类标签。这个模块允许将预先训练好的网络加载到Simulink中金宝app®模型从一个mat文件或MATLAB®函数。
的图像分类器块不支持序列网络和多输入多输出金宝app网络(MIMO)。
的图像分类器块不支持mat文件日志记录。金宝app
全部展开
图像
一个h——- - - - - -w——- - - - - -c——- - - - - -N数字数组,h,w,c图像的高度、宽度和通道数量分别是和吗N为图像的个数。
一个N——- - - - - -numFeatures数字数组,N观察的次数是多少numFeatures为输入数据的特征个数。
numFeatures
如果数组包含南,然后通过网络传播。
南
ypred
预测的类标签与最高的分数,返回作为N-by-1枚举标签向量,其中N为观察次数。
分数
预测分数,返回为aN——- - - - - -K矩阵,N是观察的次数,和K为类数。
标签
与预测分数相关的标签,返回为N——- - - - - -K矩阵,N是观察的次数,和K为类数。
网络
网络从MAT-file
网络从MATLAB函数
指定训练网络的源。选择以下其中之一:
网络从MAT-file—从包含a的mat -文件中导入一个训练过的网络SeriesNetwork,DAGNetwork,或dlnetwork对象。
SeriesNetwork
DAGNetwork
dlnetwork
网络从MATLAB函数-从MATLAB函数中导入一个预先训练好的网络。例如,通过使用googlenet函数。
googlenet
“网络从MAT-file”
'网络从MATLAB函数'
文件路径
untitled.mat
此参数指定包含要加载的经过训练的深度学习网络的mat -文件的名称。如果文件不在MATLAB路径上,则使用浏览按钮以定位文件。
要启用该参数,请设置网络参数网络从MAT-file.
NetworkFilePath
“untitled.mat”
MATLAB函数
squeezenet
该参数指定预训练的深度学习网络的MATLAB函数名。例如,使用googlenet函数导入预先训练好的GoogLeNet模型。
要启用该参数,请设置网络参数网络从MATLAB函数.
NetworkFunction
“squeezenet”
Mini-batch大小
用于预测的小批量的大小,指定为正整数。更大的迷你批处理需要更多的内存,但可以导致更快的预测。
MiniBatchSize
“128”
调整输入
在
从
根据网络的输入大小调整输入端口的数据大小。
ResizeInput
“关闭”
“上”
分类
使输出端口ypred输出得分最高的标签。
预测
使输出端口分数和标签输出所有的预测分数和相关的类标签。
在Simulink®中使用金宝app图像分类器块。该示例使用预先训练的深度卷积神经网络GoogLeNet进行分类。
图像分类器
在Simulink (R)模型中使用小波变换和深度学习网络对心电信号进行分类。金宝app这个例子使用了来自利用小波分析和深度学习对时间序列进行分类小波工具箱™的例子,以分类心电信号的图像从CWT的时间序列数据。有关培训的信息,请参见使用小波分析和深度学习对时间序列进行分类(小波工具箱)。
使用注意事项及限制:
的语言参数配置参数>代码生成“常规类别”必须设置为c++.
c++
对于基于ert的目标金宝app支持:适应信号参数代码生成>接口窗格必须启用。
有关代码生成所支持的网络和层的列表,请参见金宝app支持代码生成的网络和层金宝app(MATLAB编码器).
有关CUDA支持的网络和层的列表金宝app®代码生成,请参阅金宝app支持的网络、层和类(GPU编码器).
要了解有关为包含的Simulink模型生成代码的更多信息金宝app图像分类器块,看用于心电信号分类的深度学习Simulink模型代码生成金宝app(GPU编码器).
你点击一个链接对应于这个MATLAB命令:
通过在MATLAB命令窗口中输入命令来运行命令。Web浏览器不支持MATLAB命令。金宝app
选择一个网站,在那里获得翻译的内容,并看到当地的活动和优惠。根据您的位置,我们建议您选择:.
你也可以从以下列表中选择一个网站:
选择中国网站(中文或英文)以获得最佳网站性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。
与当地办事处联系