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

net=importCaffeNetwork（协议文件、数据文件）
net=导入服务网络(＿＿＿，名称，值）

描述

例子

净= importCaffeNetwork (原型文件，数据文件）从Caffe导入预训练网络［1］.该函数返回具有由指定架构的预训练网络.prototxt文件原型文件的网络权值.caffemodel文件数据文件．

此功能需要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。

您可以从Caffe模型动物园下载预训练网络［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

此示例使用：

下载并安装Caffe模型的深度学习工具箱导入器金宝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Caffe模型的深度学习工具箱导入器金宝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．

此示例使用：

打开生活的脚本

指定要导入的文件。

原型文件=“digitnet.prototxt”；外部=“数字10000.咖啡模型”；

导入网络。

net=importCaffeNetwork（协议文件、数据文件）
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包含网络体系结构的文件，指定为字符向量或字符串标量。原型文件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：“digitnet.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，请使用进口咖啡机．

例子：“数字10000.咖啡模型”

名称-值参数

指定可选的逗号分隔的对名称,值论据。名称参数名和价值为对应值。名称必须出现在引号内。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（原型文件、数据文件、'AverageImage'，I）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文件未指定输入数据的大小，则必须指定输入大小。

例子：[28 28 1]

零中心规格化的平均图像，指定为矩阵。如果指定图像，则必须指定与输入数据大小相同的图像。如果未指定图像，软件将使用中指定的数据.prototxt文件（如果存在）。否则，函数将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、字符向量的单元格数组或“汽车”。如果指定字符向量的字符串数组或单元格数组str，然后软件将输出层的类设置为分类的（str，str）如果班级是“汽车”，然后该函数将类设置为分类(1:N)哪里N为类数。

数据类型：烧焦|明确的|一串|细胞

输出参数

全部折叠

导入的预训练Caffe网络，作为SeriesNetwork对象或达格网络对象。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不在GPU上执行。但是，importCaffeNetwork导入一个预训练的神经网络进行深度学习，作为达格网络或SeriesNetwork对象，可以在GPU上使用。

  • 您可以使用以下命令在CPU或GPU上使用导入的网络进行预测：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，请使用预测函数。

  • 您可以使用以下命令在CPU或GPU上使用导入的网络进行预测：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参数返回分类作为真正的．

  • 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和云中并行扩展深度学习．

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版金宝app本支持（并行计算工具箱）．

提示

兼容性的考虑

全部展开

不建议在R2018b中启动

参考文献

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

扩展能力

另请参阅

||||||||

主题

介绍了R2017a

深度学习工具箱文档

金宝app

用MATLAB引入深度学习

用MATLAB引入深度学习

下载电子书