主要内容

exportONNXNetwork

出口网络onnx.模型格式

折叠所有页面

语法

exportONNXNetwork(净、文件名)
exportONNXNetwork(净、文件名、名称、值)

描述

例子

exportONNXNetwork (净，文件名）导出深度学习网络净ONNX™格式文件的权重文件名．如果文件名存在,那么exportONNXNetwork覆盖文件。

此函数需要ONNX模型格式的深度学习工具箱™转换器金宝app支持包。如果没有安装此支金宝app持包，则该函数将提供下载链接。

exportONNXNetwork (净，文件名，名称,值）使用由一个或多个名称-值对参数指定的附加选项导出网络。

例子

全部折叠

这个示例使用:

加载一个预先训练的SqueezeNet卷积神经网络。

net = scriezenet.
具有属性的Dagnetwork：图层：[68×1 nnet.cnn.layer.layer]连接：[75×2表] InputNames：{'data'} OutputNames：{'classificationLayer_predictions'}

将网络导出为当前文件夹中的ONNX格式文件squeezenet.onnx．如果ONNX模型格式的深度学习工具箱转换器金宝app不安装支持包，然后该函数提供了在附加资源管理器中的所需支持包的链接。要安装支持包，请单击“链接”，金宝app然后单击安装．

文件名=“squeezenet.onnx”；exportONNXNetwork(净、文件名)

现在，您可以导入squeezenet.onnx文件到任何支持ONNX导入的深度学习框架。金宝app

这个示例使用:

打开生活的脚本

使用ONNX格式导出有或没有输出层的层图exportONNXNetwork．

加载预训练的SqueezeNet卷积神经网络，将预训练的网络转换为层图。

网= squeezenet;lgraph1 = layerGraph(净)
lgraph1 = LayerGraph with properties: Layers: [68×1 nnet.cnn.layer.Layer] Connections: [75×2 table] InputNames: {'data'} OutputNames: {'ClassificationLayer_predictions'}

分析层图。analyzeNetwork显示网络架构的交互图和包含有关网络层信息的表。您还可以检测到图层图中的错误和问题lgraph1导出到ONNX格式之前。lgraph1错误是免费的。

analyzeNetwork (lgraph1)

导出图层图lgraph1作为当前文件夹中的ONNX格式文件squeezeLayers1.onnx．

e出gnonnxnetwork（LGraph1，“squeezeLayers1.onnx”）

现在，您可以导入squeezeLayers1.onnx文件到任何支持ONNX导入的深度学习框架。金宝app

的输出层lgraph1．

lgraph2 = removeLayers (lgraph1 lgraph1.Layers(结束). name)
lgraph2 = LayerGraph with properties: Layers: [67×1 nnet.cnn.layer.Layer] Connections: [74×2 table] InputNames: {'data'} OutputNames: {1×0 cell}

分析层图lgraph2通过使用analyzeNetwork．图层图分析检测缺失的输出层和未连接的输出。你仍然可以出口lgraph2为ONNX格式。

analyzeNetwork (lgraph2)

导出图层图lgraph2作为当前文件夹中的ONNX格式文件squeezeLayers2.onnx．

exportONNXNetwork (lgraph2“squeezeLayers2.onnx”）

现在，您可以导入squeezeLayers2.onnx文件到任何支持ONNX导入的深度学习框架。金宝app

输入参数

全部折叠

训练过的网络或网络层图，指定为SeriesNetwork，DAGNetwork，dlnetwork,或LayerGraph对象。

你可以得到一个训练有素的网络(SeriesNetwork，DAGNetwork,或dlnetwork)的方法如下:

  • 导入一个预先训练的网络。例如，使用thegooglenet函数。

  • 训练你自己的网络。使用trainNetwork培养一个SeriesNetwork或DAGNetwork．使用自定义的训练循环来训练dlnetwork．

一个LayerGraph对象是网络层的图。这个图的一些层参数可能是空的(例如，卷积层的权值和偏差，批处理归一化层的均值和方差)。在使用层图作为输入参数之前exportONNXNetwork，通过分配随机值初始化空的参数。或者，您可以在导出之前执行以下操作之一：

  • 转换A.LayerGraph对象一个dlnetwork对象通过使用图层图作为输入参数dlnetwork．空参数会自动初始化。

  • 转换A.LayerGraph反对受过训练的DAGNetwork通过使用trainNetwork．使用层图作为层输入参数trainNetwork．

在导出到ONNX网络之前，您可以使用analyzeNetwork．exportONNXNetwork需要SeriesNetwork，DAGNetwork,dlnetwork对象是无错误的。exportONNXNetwork允许出口LayerGraph对象，其输出层缺失或未连接。

文件的名称，指定为字符向量或字符串标量。

例子：“network.onnx”

名称-值参数

指定可选的逗号分隔的对名称,值论点。的名字参数名和价值为对应值。的名字必须出现在引号内。可以以任意顺序指定多个名称和值对参数name1，value1，...，namen，valuen．

例子：exportONNXNetwork(净,文件名,“NetworkName”,“my_net”)导出网络并指定'my_net'作为保存的ONNX网络中的网络名称。

要存储在保存文件中的ONNX网络的名称，指定为字符向量或字符串标量。

例子：“my_squeezenet”

设置要在导出模型中使用的ONNX操作符的版本。如果默认操作符集不支持您试图导出的网络，则请尝试使用更高版本。金宝app如果您将导出的网络导入到另一个框架，并且在导出过程中使用了导入器不支持的操作符集，那么导入可能会失败。金宝app

要确保使用适当的操作符集版本，请参考ONNX操作符文档［3］．例如,'opsetversion'，9出口的maxUnpooling2dLayer到MaxUnpool-9ONNX算子。

例子：6

限制

  • exportONNXNetwork金宝app支持的ONNX版本如下:

    • 该函数支持版本6的ONNX金宝app中间表示。

    • 该函数支持ONNX操作符集金宝app6、7、8和9。

  • exportONNXNetwork不导出与网络培训相关的设置或属性，如培训选项、学习率因素或正则化因素。

  • 如果您导出的网络包含ONNX格式不支持的层(参见金宝appONNX导出支金宝app持的层),然后exportONNXNetwork保存一个占位符ONNX操作符来代替不支持的层，并返回一个警告。金宝app您不能将带有占位符操作符的ONNX网络导入其他深度学习框架。

  • 因为MATLAB之间的架构差异®和ONNX，与原始网络相比，导出的网络可以具有不同的结构。

请注意

如果导入导出的网络，则重新导入的网络的层可能与原始网络不同，因此可能不受支持。金宝app

更多关于

全部折叠

层支持金宝apponnx.出口

exportONNXNetwork可以导出以下内容：

提示

  • 您可以输出一个训练有素的MATLAB深度学习网络，其中包括多个输入和多个输出到ONNX模型格式。要了解多输入多输出深度学习网络，请参见多输入多输出网络．

参考

[1]开放式神经网络交换．https://github.com/onnx/．

［2］onnx.．https://onnx.ai/．

另请参阅

||||||||

主题

介绍了R2018a

深度学习工具箱文档

金宝app

与Matlab引入深度学习

与Matlab引入深度学习

下载电子书