classifyAndUpdateState
使用递归神经网络训练和分类数据更新网络状态
语法
描述
你可以预测使用训练有素的深度学习网络CPU或GPU。使用CUDA GPU需要并行计算工具箱™和®使英伟达®GPU的计算能力3.0或更高版本。指定使用的硬件需求“ExecutionEnvironment”名称-值对的论点。
(
分类的数据updatedNet
,YPred
)= classifyAndUpdateState (recNet
,序列
)序列
使用递归神经网络训练recNet
并更新网络状态。
这个函数只支持递归神经网络。金宝app输入recNet
必须至少有一个周期性的层。
(
使用任何的参数在前面的语法和指定的一个或多个额外的选项updatedNet
,YPred
)= classifyAndUpdateState (___,名称,值
)名称,值
对参数。例如,“MiniBatchSize”, 27
使用mini-batches分类数据的大小27
(
在前面的语法使用的任何参数,返回一个矩阵分类评分,并更新网络状态。updatedNet
,YPred
,分数
)= classifyAndUpdateState (___)
提示
与不同长度的序列进行预测时,mini-batch大小会影响的填充量添加到输入数据可以导致不同的预期值。尝试使用不同的值,看看哪种最与你的网络。要指定mini-batch大小和填充选项,可以使用“MiniBatchSize”
和“SequenceLength”
选项,分别。
例子
输入参数
输出参数
算法
所有功能深度学习培训、预测和验证在深度学习工具箱™执行计算使用单精度浮点算术。深度学习包括的功能trainNetwork
,预测
,分类
,激活
。软件使用单精度算法训练网络时使用的cpu和gpu。
引用
[1]m .奖赏,富山,和m . Shimbo。“多维曲线分类使用通过地区。”模式识别的字母。11 - 13号20卷,第1111 - 1103页。
[2]UCI机器学习库:日本元音数据集。https://archive.ics.uci.edu/ml/datasets/Japanese +元音