文档帮助中心文档
重置递归神经网络的状态
updatedNet=resetState(recNet)
例子
更新的网络= resetState (雷克内特)将递归神经网络(例如LSTM网络)的状态重置为初始状态。
更新的网络= resetState (雷克内特)
更新的网络
雷克内特
全部崩溃
在序列预测之间重置网络状态。
负载日本世界新闻网,一个预先训练的长短时记忆(LSTM)网络,在日语元音数据集上训练,如[1]和[2]中所述。该网络在按序列长度排序的序列上训练,最小批量为27。
日本世界新闻网
负载日本世界新闻网
查看网络架构。
网。层
ans=5x1带层的层阵列:1“sequenceinput”带12维的序列输入序列输入2“lstm”带100个隐藏单元的lstm lstm 3“fc”完全连接9个完全连接的层4“softmax”softmax 5“classoutput”带“1”和8个其他类的分类输出crossentropyex
加载测试数据。
[XTest,欧美]= japaneseVowelsTestData;
分类序列,更新网络状态。再现性,集rng到“洗牌”.
rng
“洗牌”
rng (“洗牌”)X=XTest{94};[net,label]=ClassifyandUpdateEstate(net,X);标签
标签=绝对的3.
使用更新的网络对另一个序列进行分类。
X=XTest{1};标签=分类(净,X)
标签=绝对的7.
将最终预测与真实标签进行比较。
trueLabel=YTest(1)
trueLabel=绝对的1.
网络的更新状态可能会对分类产生负面影响。重置网络状态并再次预测序列。
net=resetState(net);label=classify(net,XTest{1})
标签=绝对的1.
系列网络
达格网络
训练的递归神经网络,指定为系列网络或者达格网络对象您可以通过导入预训练网络或使用列车网络功能。
列车网络
雷克内特为递归神经网络。它必须至少有一个循环层(例如,LSTM网络)。如果输入网络不是循环网络,则该函数无效并返回输入网络。
更新网络。更新的网络与输入网络类型相同。
如果输入网络不是循环网络,则该函数无效并返回输入网络。
工藤、富山、新保。“使用通过区域的多维曲线分类”。模式识别字母第20卷,第11-13号,第1103-1111页。
[2]UCI机器学习知识库:日语元音数据集. https://archive.ics.uci.edu/ml/datasets/Japanese+元音
使用说明和限制:
英特尔的代码生成®MKL-DNN目标不支持以下组合金宝app“SequenceLength”,“最长”,“SequencePaddingDirection”和“left”,及“SequencePaddingValue”,0名称值参数。
“SequenceLength”,“最长”
“SequencePaddingDirection”和“left”
“SequencePaddingValue”,0
图形处理器的GPU代码生成resetState该函数仅支持递归神经网络和cuDN金宝appN目标库。
resetState
bilstmLayer|分类与更新房地产|泥鳅|第一层|预测和更新房地产|序列输入层
bilstmLayer
分类与更新房地产
泥鳅
第一层
预测和更新房地产
序列输入层
您拥有此示例的修改版本。是否要用编辑打开此示例?
您单击了与此MATLAB命令对应的链接:
通过在MATLAB命令窗口中输入命令来运行该命令。Web浏览器不支持MATLAB命令。金宝app
选择一个网站以获取翻译后的内容(如果可用),并查看本地活动和优惠。根据您的位置,我们建议您选择:.
您还可以从以下列表中选择网站:
选择中国站点(中文或英文)以获得最佳站点性能。其他MathWorks国家/地区网站未针对您所在地的访问进行优化。
联系当地办事处