使用。使用dlnetwork.目的
此示例显示如何使用a进行预测dlnetwork.通过将数据拆分为迷你批量来实现对象。
对于大数据集，或者在使用有限内存的硬件上预测时，通过将数据拆分为迷你批次来进行预测。与之预测时系列网络或Dagnetwork.对象时,预测函数自动将输入数据分成迷你批次。为了dlnetwork.对象，您必须手动将数据拆分为迷你批处理。
加载dlnetwork.目的
装训练dlnetwork.对象和相应的类。
s = load（“digitscustom.mat”）;dlnet = s.dlnet;classes = s.casses;
预测负荷数据
加载数字数据进行预测。
digitdatasetpath = fullfile（matlabroot，“工具箱”那'nnet'那'nndemos'那......'nndatasets'那'digitdataset'）;imd = imageDatastore (digitDatasetPath,......“IncludeSubfolders”，真的）;
作出预测
循环在测试数据的迷你批量上，并使用自定义预测循环进行预测。
用minibatchqueue处理和管理小批映像。指定小批处理大小为128。将镜像数据存储的read size属性设置为mini-batch大小。
对于每个迷你批处理：
使用自定义迷你批处理预处理功能
Preprocessminibatch.（在该示例的末尾定义）以将数据连接到批处理中并归一化图像。使用尺寸格式化图像
'SSCB'（空间，空间，频道，批量）。默认情况下，minibatchqueue对象将数据转换为dlarray.底层类型的对象单身的。如果有可用的话，请在GPU上进行预测。默认情况下，
minibatchqueue对象将输出转换为aGPUArray.图形处理器是否可用。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）。
minibatchsize = 128;imds.readsize = minibatchsize;MBQ = Minibatchqueue（IMDS，......“迷你atchsize”，小匹马，......“MiniBatchFcn”，@preprocessminibatch，......“minibatchformat”那“SSCB”）;
循环在数据的小匹匹匹配项中，并使用中的预测预测功能。使用onehotdecode.函数以确定类标签。存储预测的类标签。
numobservations = numel（imds.files）;ypred = strings（1，numobservations）;预测= [];％循环在迷你批次。而Hasdata（MBQ）％读取迷你批次数据。DLX =下一个（MBQ）;％使用预测功能进行预测。dlypred =预测（Dlnet，DLX）;％确定相应的类。predBatch = onehotdecode (dlYPred类1);predictions = [predictions predBatch];结尾
可视化一些预测。
idx = randperm (numObservations 9);数字为了i = 1：9子图（3,3，i）i = imread（imds.files {idx（i）}）;标签=预测（IDX（i））;imshow（i）标题（“标签： ”+字符串(标签)结尾
Mini-Batch预处理功能
这Preprocessminibatch.函数使用以下步骤预处理数据：
从传入单元格数组中提取数据并将数据连接到数字阵列中。在第四维上连接到每个图像的第三维度，用作单例通道维度。
归一化像素值之间的
0.和1。
函数X = preprocessMiniBatch(数据)％从单元格和连接中提取图像数据X = CAT（4，数据{：}）;％标准化图像。X = X / 255;结尾
也可以看看
dlarray.|dlnetwork.|minibatchqueue|onehotdecode.|预测
相关的话题
你也可以从以下列表中选择一个网站:
