主要内容

googlenet

GoogLeNet卷积神经网络

所有的页面崩溃
  • GoogLeNet网络体系结构

语法

网= googlenet
净= googlenet(权重,权重)
lgraph = googlenet(“权重”,“没有一个”)

描述

GoogLeNet卷积神经网络,是22层深。你可以加载一个pretrained版本的网络训练ImageNet[1]或Places365[2][3]数据集。网络训练ImageNet将图像分为1000对象类别,如键盘,鼠标,铅笔,和许多动物。网络训练Places365 ImageNet类似于网络训练,但将图像分为365个不同的类别,比如,公园,跑道,游说。这些网络学到不同的特征表示大范围的图像。pretrained网络都有一个图像输入的大小224 - 224。在MATLAB pretrained网络®,请参阅Pretrained深层神经网络。

使用GoogLeNet分类的新图像,使用分类。例如,看到的分类图像使用GoogLeNet。

你可以再培训GoogLeNet网络使用转让执行新任务的学习。当执行转移学习,最常见的方法是使用网络pretrained ImageNet数据集。如果新任务类似于场景分类,然后利用网络训练的地方- 365可以提供更高的精度。为一个例子,演示如何培训GoogLeNet新分类任务,明白了火车深入学习网络对新图像进行分类

例子

净= googlenet返回一个GoogLeNet ImageNet上网络训练数据集。

这个函数需要深度学习工具箱™模型GoogLeNet网络金宝app支持包。如果这种支持包没金宝app有安装,那么函数提供一个下载链接。

净= googlenet(“权重”,权重)返回一个GoogLeNet网络训练ImageNet或Places365数据集。语法googlenet(“重量”、“imagenet”)(默认)相当于googlenet。

网络训练ImageNet需要深度学习工具箱模型GoogLeNet网络金宝app支持包。网络训练Places365需要深度学习工具箱模型Places365-GoogLeNet网络金宝app支持包。如果所需的支持包没有安装,那么该金宝app函数提供一个下载链接。

lgraph= googlenet(“权重”,“没有”)返回未经训练的GoogLeNet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GoogLeNet网络金宝app支持包。

类型googlenet在命令行中。

googlenet

如果深度学习工具箱模型GoogLeNet网络金宝app支持包没有安装,那么函数提供了一个链接到需要在插件浏览器支持包。安装支持包,单击该链接,然后单金宝app击安装。通过输入检查安装是否成功googlenet在命令行中。如果所需的支持包安装,那么函数返金宝app回DAGNetwork对象。

googlenet
ans = DAGNetwork属性:层:[144×1 nnet.cnn.layer.Layer]连接:(170×2表)

可视化网络使用深层网络设计师。

deepNetworkDesigner (googlenet)

探索其他pretrained神经网络深陷网络设计师通过点击新。

深层网络设计师开始页面显示可用pretrained神经网络

如果你需要下载一个神经网络,点击所需的神经网络和暂停安装打开插件浏览器。

输入参数

全部折叠

源的网络参数,指定为“imagenet”,“places365”,或“没有”。

  • 如果权重=“imagenet”,那么网络对ImageNet重量训练数据集。

  • 如果权重=“places365”,那么网络对Places365重量训练数据集。

  • 如果权重=“没有”,然后返回未经训练的网络体系结构。

例子:“places365”

输出参数

全部折叠

Pretrained GoogLeNet卷积神经网络,作为一个返回DAGNetwork对象。

未经训练的GoogLeNet卷积神经网络架构,作为一个返回LayerGraph对象。

引用

[1]ImageNet。http://www.image-net.org

Aditya斯拉,[2],Bolei Agata Lapedriza,安东尼·托拉尔巴制作的,这是。”的地方:一个图像数据库进行深度场景的理解。”arXiv预印本arXiv: 1610.02055(2016)。

[3]的地方。http://places2.csail.mit.edu/

[4]Szegedy,基督徒,魏Liu Yangqing贾,皮埃尔•Sermanet斯科特•里德Dragomir Anguelov, Dumitru Erhan,文森特Vanhoucke和安德鲁·拉比诺维奇。“更深的曲线玲珑。”In《IEEE计算机视觉与模式识别会议1 - 9页。2015年。

扩展功能

版本历史

介绍了R2017b

另请参阅

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

主题