在R2018a之前,要执行用于训练深度学习网络的自定义图像预处理,必须使用readFcn
的属性imageDatastore
。但是,使用自定义读取函数读取文件很慢,因为imageDatastore
未预取文件。
在R2018a中,四个类包括matlab.io.datastore.MiniBatchable
作为一种支持预取、洗牌和并行训练的自定义图像预处理的解决方案。金宝app实现自定义小型批处理数据存储matlab.io.datastore.MiniBatchable
有一些挑战和限制。
除了指定预处理操作外,还必须定义属性和方法来支持批量读取数据、按索引读取数据以及对数据进行分区和改组。金宝app
的值NumObservations
属性,但是这个值在实际应用程序中可能定义不清或难以定义。
自定义小批量数据存储不够灵活,无法支持常见的深度学习工作流,例如使用GPU Coder™部署的工作流。金宝app
从R2019a开始,内置数据存储在读取批量数据时原生支持预取、洗牌和并行训练。金宝app的变换
函数是执行自定义数据预处理或转换的首选方法。的结合
函数是连接来自多个数据存储(包括已转换的数据存储)的读取数据的首选方法。连接的数据可以作为训练深度学习网络的网络输入和预期响应。的变换
和结合
函数有几个优点matlab.io.datastore.MiniBatchable
。
目前还没有计划移除读
的方法matlab.io.datastore.MiniBatchable
此时。