最新のリリースは,このページがまだ翻訳されいません。このこのの最新版版は英语でご覧になれます。
学校済み深层学习习ネットワークを使使使使たデータのの分享
1つのCPUまたは1つのGPUで深層学習用の学習済みニューラルネットワークを使用して予測を実行できます。GPUをを使使するは,并行计算工具箱™および计算能力3.0以上のcuda®対応英伟达®GPUが必要です。名称と値のペアペアの数ExecutionEnvironment
を使用してハードウェア要件を指定します。
複数の出力があるネットワークの場合,预测
を使用して,“ReturnCategorial”
オプションを真的
に设定します。
[
は,学習済みネットワークYPred
,得分
) =分类(网
,洛桑国际管理发展学院
)网
を使用して洛桑国际管理发展学院
のイメージデータのクラスラベルを予測します。
[
は,1つ以上の名前とのペアのの指定され追追オプション使YPred
,得分
) =分类(___,名称,价值
)
ヒント
长さが异なるシーケンスで予测を行うと,ミニバッチのサイズが,入力データに追加されるパディングの量に影响し,异なる予测値が得られることがあります。さまざまな値を使用して,ネットワークに最适なものを确认してください。ミニバッチのサイズとパディングのオプションを指定するには,“MiniBatchSize”
および'sequencelength'
オプションを使用します。
深度学习工具箱™に含まれる深層学習における学習,予測,検証用のすべての関数は,単精度浮動小数点演算を使用して計算を実行します。深層学習用の関数にはTrainnetwork.
、预测
、分类
、激活
などがあります。CPUとGPUの両方を使用してネットワークに学習させる場合,単精度演算が使用されます。
複数の出力があるネットワークの場合,预测
を使用して,“ReturnCategorial”
オプションを真的
に设定します。
预测
を使用して学習済みネットワークから予測スコアを計算できます。
激活
を使用してネットワーク層から活性化を計算することもできます。
sequence-to-labelおよびsequence-to-sequence分類ネットワークでは,classifyAndUpdateState
およびpredictandanddatestate.
を使用してネットワークの状態の予測および更新を実行できます。
工藤、富山、新保。“使用通过区域的多维曲线分类”。模式识别字母。第20卷,第11-13期,第1103-1111页。
[2] UCI机器学习存储库:日语元音数据集。https://archive.ics.uci.edu/ml/datasets/japanese+vowels.