主要内容

ImportCaffelayers.

来自Caffe的导入卷积神经网络层

在页面上崩溃

句法

层= importCaffeLayers (protofile)
图层= ImportCaffelayers（Protofile，'Inputsize'，SZ）

描述

例子

层数= importCaffeLayers (原样的）进口Caffe的层数［1］网络。该函数返回所定义的图层.prototxt.文件原样．

此功能需要深度学习工具箱™进口商用于Caffe Models金宝app支持包。如果未安装此支持金宝app包，则该函数提供了下载链接。

你可以从咖啡模型动物园下载预先训练过的网络[2]．

层数= importCaffeLayers (原样“InputSize”,SZ.的）指定输入数据的大小。如果是.prototxt.文件没有指定输入数据的大小，则必须指定输入数据的大小。

例子

全部收缩

这个示例使用:

下载并安装Caffe模型的深度学习工具箱进口商金宝app支持包。

通过键入下载所需的支持包金宝appImportCaffelayers.在命令行。

ImportCaffelayers.

如果Caffe模型的深度学习工具箱进口商金宝app如果没有安装支持包，则该函数将提供到Add-On Explorer中所需的支持包的链接。要安装支持包，请单击链接，然后金宝app单击安装．

这个示例使用:

指定示例文件'digitsnet.prototxt'进口。

protofile ='digitsnet.prototxt';

导入网络图层。

层= importCaffeLayers (protofile)
图层数组与图层:1“testdata”图像输入28 x28x1图片2的conv1卷积20 5 x5x1旋转步[1]和填充[0 0]3‘relu1 ReLU ReLU 4“pool1”马克斯池2 x2马克斯池步(2 - 2)和填充[0 0]5“ip1”完全连接10完全连接层6‘损失’Softmax Softmax 7“输出”分类输出crossentropyex class1,'class2', and 8 other classes

输入参数

全部收缩

文件名.prototxt.包含网络架构的文件，指定为字符向量或字符串标量。原样必须在当前文件夹中，在matlab上的文件夹中®路径，否则必须包含文件的完整路径或相对路径。如果是.prototxt.文件未指定输入数据的大小，必须使用使用的大小SZ.输入参数。

例子:'digitsnet.prototxt'

输入数据的大小，指定为行向量。指定两个或三个整数值的向量[h，w]， 或者[w h, c]对应于输入数据的高度，宽度和通道数。

例子:[28 28 1]

输出参数

全部收缩

网络架构，作为一个返回层阵列或A.分层图目的。作为输入的彩色图像的Caffe网络希望图像以BGR格式为单位。在进口期间，ImportCaffelayers.修改网络，使导入的MATLAB网络以RGB图像作为输入。

更多关于

全部收缩

在GPU上使用导入的网络图层

ImportCaffelayers.没有在GPU上执行。然而，ImportCaffelayers.为深度学习导入预先训练的神经网络层层数组或分层图对象，您可以在GPU上使用。

  • 将导入的层转换为Dagnetwork.对象的使用assembleNetwork．在这方面Dagnetwork.对象，您可以通过使用，预测CPU或GPU上的类标签分类．使用名称值参数指定硬件要求ExecutionEnvironment．对于具有多个输出的网络，使用预测函数并指定名称-值参数return类别作为真正的．

  • 将导入的分层图对象到A.dlnetwork对象的使用dlnetwork．在这方面dlnetwork对象，您可以通过使用，预测CPU或GPU上的类标签预测．功能预测如果输入数据或网络参数存储在GPU上，则在GPU上执行。

    • 如果你使用minibatchqueue对小批量输入数据进行处理和管理minibatchqueue对象默认将输出转换为GPU阵列(如果有GPU可用)。

    • 使用dlupdate.转换所学习的参数dlnetwork对象到GPU阵列。

      dlnet = dlupdate（@ gpuarray，dlnet）

  • 您可以使用CPU或GPU培训导入的图层Trainnetwork.．要指定培训选项，包括执行环境的选项，请使用trainingOptions功能。使用名称值参数指定硬件要求ExecutionEnvironment．有关如何加速训练的更多信息，请参见在GPU上并在GPU上并在云中扩大深度学习．

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支金宝app持情况（并行计算工具箱）．

提示

参考文献

也可以看看

||||||||

话题

在R2017A介绍

深度学习工具箱文档

金宝app

介绍基于MATLAB的深度学习

介绍基于MATLAB的深度学习

下载电子书