使用训练过的循环神经网络预测响应并更新网络状态
你可以在CPU或GPU上使用经过训练的深度学习网络进行预测。使用GPU需要并行计算工具箱™和支持的GPU设备。金宝app有关支持的设备的信息,请参见金宝appGPU通金宝app过发布支持(并行计算工具箱).指定硬件要求使用“ExecutionEnvironment”
名称-值对的论点。
[
预测输入数据的响应updatedNet
,ypred.
) = predictAndUpdateState (regnet.
,序列
)序列
利用训练过的递归神经网络regnet.
并更新网络状态。
此函数仅支持递归神经网络。金宝app输入regnet.
必须至少有一个循环层。
[
使用前面语法中的任何参数和由一个或多个指定的附加选项updatedNet
,ypred.
) = predictAndUpdateState (___,名称,值
)名称,值
对参数。例如,'minibatchsize',27
用27号的小批量进行预测。
提示
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”
选项分别。
当你训练一个网络使用trainNetwork
功能,或使用预测或验证功能时DAGNetwork
和SeriesNetwork
对象,软件执行这些计算使用单精度,浮点运算。培训、预测和验证的功能包括trainNetwork
,预测
,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。
Kudo, J.富山,M. Shimbo。“利用穿越区域进行多维曲线分类。”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