La traduzione di, pagina非e aggiornata。Fai clic,每vedere l 'ultima versione inglese。
resnet18
网neurale convoluzionale ResNet-18
描写
ResNet-18 e una网neurale convoluzionale con 18 livelli di profondita。E相信caricare una versione preaddestrata德拉网,addestrata苏oltre联合国milione di immagini德尔迪ImageNet数据库[1]。La网preaddestrata e级di classificare勒1000年immagini categorie di oggetti tastiera,鼠标,matita e molti animali。Di conseguenza la网ha appreso rappresentazioni ricche Di每联合国'ampia伽马Di immagini特性。拉膜层ha una dimensione di输入戴尔'immagine di 224 x224。在MATLAB / ulteriori reti addestrate®,vedereReti neurali深preaddestrate。
E相信utilizzare分类
每classificare nuove immagini utilizzando il modello ResNet-18。Seguire我passaggi迪Classificazione di immagini utilizzando GoogLeNete sostituire GoogLeNet ResNet-18监狱。
苏每riaddestrare la网una nuova attivita di classificazione seguire我passaggi diAddestramento德拉网di深度学习每classificare nuove immaginidi GoogLeNet e caricare ResNet-18 al posto餐馆。
Suggerimento
每creare una网残渣非addestrata adatta广告attivita di classificazione delle immagini, utilizzareresnetLayers
。
restituisce una网ResNet-18 addestrata南迪蒂迪ImageNet设置。净
= resnet18
,funzione richiede il pacchetto di suppor金宝appto深度学习工具箱™模型ResNet-18网络。Se il pacchetto di 金宝appsupporto非e installato拉funzione fornisce联合国每il下载链接。
restituisce una网ResNet-18 addestrata南迪蒂迪ImageNet设置。,sintassi e equivalente净
= resnet18(“权重”,“imagenet”
)网= resnet18
。
restituisce l 'architettura德拉网ResNet-18非addestrata。Il modello非addestrato非richiede Il pacchetto di supporto金宝app。lgraph
= resnet18(“权重”,“没有”
)
Esempi
Argomenti di输出
Riferimenti
[1]ImageNet。http://www.image-net.org
[2]他开明、象屿张任Shaoqing,剑太阳。“深层残留图像识别的学习。”In《IEEE计算机视觉与模式识别会议,770 - 778页。2016年。
Funzionalita estese
Cronologia versioni
在R2018a Introdotto