主要内容

预测

使用一个训练有素的深度学习神经网络预测的反应

  • 库:
  • 深度学习神经网络工具箱/深

  • 预测块

描述

预测预测反应的数据块的输入通过块使用指定的训练网络参数。这个块允许加载pretrained网络仿真软件金宝app®从MAT-file或MATLAB模型®函数。

请注意

使用预测块模型进行预测。金宝app进行预测以编程方式使用MATLAB代码,使用分类预测功能。

港口

输入

全部展开

的输入端口预测块需要网络的输入层的名称加载。例如,如果您指定googlenetMATLAB函数,然后的输入端口预测块标记数据。基于网络加载,预测块的输入可以形象,序列,或时间序列数据。

输入的格式取决于类型的数据。

数据 格式的预测
二维图像 一个h——- - - - - -w——- - - - - -c——- - - - - -N数字数组,h,w,c高度,宽度,和数字通道的图像,分别和N是图片的数量。
向量序列 c——- - - - - -年代矩阵,c的特征序列的数量和吗年代是序列长度。
二维图像序列 h——- - - - - -w——- - - - - -c——- - - - - -年代数组,h,w,c对应的高度、宽度和通道的图像,分别年代是序列长度。
特性 一个N——- - - - - -numFeatures数字数组,N是观察和的数量吗numFeatures是功能的输入数据的数量。

如果数组包含年代,然后通过网络传播。

输出

全部展开

的输出端口预测块需要网络的输出层的名称加载。例如,如果您指定googlenetMATLAB函数,然后输出端口的预测块标记输出。基于网络负载,输出的预测块可以表示预测成绩或反应。

预测成绩或反应,作为一个返回N——- - - - - -K数组,N是观测的数量,和K类的数量。

如果你使激活网络层,预测块创建一个新的输出端口与所选择的网络层的名称。这个端口输出的激活选定的网络层。

网络层的激活作为数字数组返回。输出的格式取决于类型的输入数据和输出层的类型。

对于二维图像输出,激活是一个h——- - - - - -w——- - - - - -c——- - - - - -n数组,h,w,c高度,宽度,和数量的渠道选择的输出层,分别和n是图片的数量。

对于包含矢量数据的一个时间步,激活是一个c——- - - - - -n矩阵,n序列和的数量吗c在序列特征的数量。

对于包含二维图像数据的一个时间步,激活是一个h——- - - - - -w——- - - - - -c——- - - - - -n数组,n是序列的数量,h,w,c高度,宽度,和渠道的数量的图像,分别。

参数

全部展开

指定的源训练网络。选择下列之一:

  • 网络从MAT-file——从MAT-file包含进口训练网络SeriesNetwork,DAGNetwork,或dlnetwork对象。

  • 网络从MATLAB函数——从一个MATLAB函数导入pretrained网络。例如,通过使用googlenet函数。

编程使用

块参数:网络
类型:特征向量,字符串
价值观:“网络从MAT-file”|“网络从MATLAB函数”
默认值:“网络从MAT-file”

该参数指定的名称包含训练MAT-file深度学习网络负载。如果文件不是MATLAB路径,使用浏览按钮来定位文件。

依赖关系

要启用该参数,设置网络参数网络从MAT-file

编程使用

块参数:NetworkFilePath
类型:特征向量,字符串
价值观:MAT-file路径或名称
默认值:“untitled.mat”

该参数指定的名称的MATLAB函数pretrained深度学习网络。例如,使用googlenet功能导入pretrained GoogLeNet模型。

依赖关系

要启用该参数,设置网络参数网络从MATLAB函数

编程使用

块参数:NetworkFunction
类型:特征向量,字符串
价值观:MATLAB函数名
默认值:“squeezenet”

大小mini-batches用于预测,指定为一个正整数。大mini-batch大小需要更多的内存,但会导致更快的预测。

编程使用

块参数:MiniBatchSize
类型:特征向量,字符串
价值观:正整数
默认值:“128”

使输出端口,回归预测成绩或反应。

编程使用

块参数:预测
类型:特征向量,字符串
价值观:“关闭”|“上”
默认值:“上”

使用激活从列表中选择层提取特性。所选层出现的输出端口预测块。

编程使用

块参数:激活
类型:特征向量,字符串
价值观:特征向量的形式' {' layerName1 ', layerName2”、…}”
默认值:

扩展功能

版本历史

介绍了R2020b