resnet101

ResNet-101卷积神经网络

全页折叠

语法

网= resnet101
网= resnet101(“权重”,“imagenet”)
lgraph = resnet101(“权重”,“没有一个”)

描述

ResNet-101是一个深度为101层的卷积神经网络。您可以从ImageNet数据库中加载经过训练的网络的预训练版本，该版本包含了100多万张图像[1]。这个预先训练好的网络可以将图像分成1000个对象类别，比如键盘、鼠标、铅笔和许多动物。因此，该网络学会了丰富的特征表示，为广泛的图像。网络的图像输入大小为224×224。用于MATLAB中更多的预训练网络®,请参阅预先训练的深度神经网络。

您可以使用分类使用ResNet-101模型对新图像进行分类。遵循以下步骤使用GoogLeNet对图像进行分类用ResNet-101取代GoogLeNet。

要对网络进行新的分类任务再培训，请遵循以下步骤训练深度学习网络对新图像进行分类载入ResNet-101而不是GoogLeNet。

例子

净= resnet101返回一个针对ImageNet数据集训练的ResNet-101网络。

此函数需要深度学习工具箱™模型resnet - 101网络金宝app支持包。如果未安装此支持金宝app包，则该函数提供下载链接。

净= resnet101(“权重”,“imagenet”)返回一个在ImageNet数据集上训练的ResNet-101网络网= resnet101。

lgraph= resnet101(“权重”,“没有”)返回未经训练的ResNet-101网络体系结构。未经训练的模型不需要支持包。金宝app

例子

全部折叠

下载并安装深度学习工具箱模型resnet - 101网络金宝app支持包。

类型resnet101在命令行。

resnet101

如果深度学习工具箱模型resnet - 101网络金宝app未安装支持包，则该函数在加载项资源管理器中提供到所需支持包的链接。要安装支持包，请单击链接，然后金宝app单击安装。通过键入检查安装是否成功resnet101在命令行。如果安装了所需的支持包，则该函数金宝app返回DAGNetwork对象。

resnet101
属性:Layers:[347×1 nnet.cn .layer. layer. layer]连接:[379×2 table]

输出参数

全部折叠

经过预处理的ResNet-101卷积神经网络，作为a返回DAGNetwork对象。

未经训练的ResNet-101卷积神经网络结构，返回为LayerGraph对象。

参考文献

[1]ImageNet。http://www.image-net.org

何，开明，张向宇，任少卿，孙健。“用于图像识别的深度剩余学习”。InIEEE计算机视觉和模式识别会议记录,770 - 778页。2016.

扩展功能

另请参阅

|||||||||||||

主题

介绍了R2017b

深度学习工具箱文档
金宝app
介绍用MATLAB进行深度学习

介绍用MATLAB进行深度学习

下载电子书