。
このこのでは,深层学习による分类用途のシンプルな畳み込みニューラルネットワーク作品しをニューラルしします。畳み込みニューラルネットワークはます习に不可能なであり,特价にイメージの认识ツール适していいいい
このこのでは,以以を実行するをますます。
イメージデータの読み込み。
ネットワークアーキテクチャの定义。
学习オプションの指定。
ネットワークに学习をさますます。
新闻データのラベルの予测ととと分类精选の计算。
相关数目のデータ标としてををイメージの标标标をイメージデータストアとしてとして読み込みをイメージデータストアとしてとして読み込みをイメージimageageAtastore.
は,〖norge〗基于てに自动的にラベルをを付け付け付け
digitdatasetpath = fullfile(matlabroot,'工具箱'那'nnet'那'nndemos'那......'nndatasets'那'digitdataset');imds = imageageataStore(DigitDatasetPath,......'insertumbfolders',真的,......'labelsource'那'foldernames');
データを学习データセットセット検证データセットににし,学校セットの各にに750个のイメージがれ,検证セットに各の残りのが含まれるようにしがが含まようにしし。spliteachlabel.
は,イメージイメージストアを学习用と検证用の2つの新闻データストアにしし
numtrainfiles = 750;[IMDStrain,IMDSValidation] = SpliteachLabel(IMDS,NumTrainfiles,'随机化');
,10个のクラスがあり。
输入= [28 28 1];numclasses = 10;图层= [ImageInputLayer(InputSize)卷积2dlayer(5,20)BatchnormalizationLayer quoutulayer全连接列(numclasses)softmaxlayer分类层];
深层学习の详细は,深层学习层の一道を参照してください。
学习オプションを指定,ネットワークネットワーク学习さます。
既定では,利用可能なgpuがある场合,Trainnetwork.
はGPUをををしし(并行计算工具箱™,および计算能力3.0以上のCUDA®対応ROGPUが必要)。培训选项
の名前と値ののペアペア数'executionenvironment'
を使使し,実行环境をするするできでき。
选项=培训选项('sgdm'那......'maxepochs',4,......'vightationdata',imdsvalidation,......'验证职业',30,......'verbose',错误的,......'plots'那'培训 - 进步');net = trainnetwork(Imdstrain,图层,选项);
学习オプションの详细は,パラメーターパラメーターの设定とと畳み込みニューラルネットワーク学习を参照してください。
検证データを分类し,分享精选を计算し。
ypred =对(net,imdsvalidation)分类;yvalidation = imdsvalidation.labels;精度=均值(ypred == yvalidation)
精度= 0.9892.
深层学习のの次ののステップててててタスクにに使転移てみることができことができことができてみることができことができををてみることができことができををみるのことができことができををてのタスクにことができををみるみることができことができをををみるのましょましょ。例例について,転移学习习を使用した短时空ででののの开开と事前学习済みのネットワークからからされた特种徴をした分类器をを参照してて事前事前习済みのネットワークの详细は详细详细详细详细事前学习済みの深层深层ネットワークネットワークを参照してください。