主要内容

importCaffeNetwork

从Caffe导入预训练的卷积神经网络模型

折叠所有页面

语法

网= importCaffeNetwork (protofile丢失)
网= importCaffeNetwork (＿＿＿、名称、值)

描述

例子

净= importCaffeNetwork (protofile，数据文件）从Caffe导入预先训练过的网络［1］．函数返回预先训练过的网络和指定的架构.prototxt文件protofile的网络权值.caffemodel文件数据文件．

这个函数需要Deep Learning Toolbox™Importer for Caffe模型金宝app支持包。如果没有安装此支金宝app持包，该函数将提供下载链接。

你可以从咖啡模型动物园下载预先训练过的网络[2]．

净= importCaffeNetwork (＿＿＿，名称,值）返回带有一个或多个指定的附加选项的网络名称,值使用任何前面的语法对参数进行配对。

例子

全部折叠

这个示例使用:

下载并安装咖啡模型的深度学习工具箱进口商金宝app支持包。

要下载所需的支持包，输入金宝appimportCaffeNetwork在命令行。

importCaffeNetwork

如果咖啡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:

打开生活的脚本

指定要导入的文件。

protofile =“digitsnet.prototxt”;外部=“digits_iter_10000.caffemodel”;

进口网络。

网= importCaffeNetwork (protofile丢失)
net = SeriesNetwork with properties: Layers: [7×1 net.cnn.layer. layer] InputNames: {'testdata'} OutputNames: {'ClassificationOutput'}

输入参数

全部折叠

的文件名.prototxt包含网络架构的文件，指定为字符向量或字符串标量。protofile必须在当前文件夹中，在MATLAB中的文件夹中®路径，否则必须包含文件的完整路径或相对路径。如果.prototxt文件没有指定输入数据的大小，必须使用“InputSize”名称-值对的论点。

例子:“digitsnet.prototxt”

的文件名.caffemodel包含网络权重的文件，指定为字符向量或字符串标量。数据文件必须在当前文件夹中，在MATLAB路径上的文件夹中，或者必须包含文件的完整或相对路径。若要导入没有权重的网络层，请使用importCaffeLayers．

例子:“digits_iter_10000.caffemodel”

名称-值参数

指定可选的逗号分隔的对名称,值参数。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,…,的家．

例子:importCaffeNetwork (protofile丢失,‘AverageImage’,我)使用平均图像导入预先训练的网络我中心零位正常化。

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[w h, c]对应于输入数据的高度、宽度和通道数量。如果.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:[28 28 1]

为零中心标准化平均图像，指定为一个矩阵。如果指定图像，则必须指定与输入数据大小相同的图像。如果您没有指定映像，则该软件使用.prototxt文件,如果存在。否则，函数设置归一化属性的图像输入层的网络“没有”．

输出层的类，指定为分类向量、字符串数组、字符向量单元格数组或“汽车”．如果指定字符向量的字符串数组或单元格数组str，则软件将输出层的类设置为分类(str, str)．如果类是“汽车”，然后该函数将类设置为分类(1:N),在那里N为类数。

数据类型:字符|分类|字符串|细胞

输出参数

全部折叠

导入预培训的Caffe网络，作为一个SeriesNetwork对象或DAGNetwork对象。以彩色图像作为输入的Caffe网络希望图像是BGR格式的。在导入期间,importCaffeNetwork修改网络，使导入的MATLAB网络以RGB图像作为输入。

更多关于

全部折叠

在GPU上使用导入的网络

importCaffeNetwork不能在GPU上执行。然而,importCaffeNetwork导入预训练的深度学习神经网络作为DAGNetwork或SeriesNetwork对象，可以在GPU上使用。

  • 您可以在CPU或GPU上使用分类．使用name-value参数指定硬件需求ExecutionEnvironment．对于具有多个输出的网络，使用预测函数。

  • 您可以在CPU或GPU上使用预测．使用name-value参数指定硬件需求ExecutionEnvironment．如果网络有多个输出，请指定name-value参数ReturnCategorical作为真正的．

  • 您可以使用CPU或GPU来训练导入的网络trainNetwork．要指定培训选项，包括执行环境的选项，请使用trainingOptions函数。使用name-value参数指定硬件需求ExecutionEnvironment．有关如何加速训练的更多信息，请参见在gpu和云上并行扩展深度学习．

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

兼容性的考虑

全部展开

不建议从R2018b开始

参考文献

[2]咖啡模型动物园．https://caffe.berkeleyvision.org/model_zoo.html．

扩展功能

另请参阅

||||||||

主题

介绍了R2017a

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