nasnetlarge

预训练NASNet-大卷积神经网络

折叠所有页面

句法

净= nasnetlarge

描述

NASNet-大是在超过一百万的图像训练有素从ImageNet数据库卷积神经网络[1]。网络可以将图像分类成1000个对象类别，如键盘，鼠标，笔，和许多动物。其结果是，在网络了解到丰富的功能表示为各种图像。该网络具有的331-通过-331图像输入大小。对于MATLAB更多的预训练的网络®见预训练深层神经网络。

您可以使用分类使用NASNet-Large模式新的图像进行分类。遵循以下步骤：分类影像使用GoogLeNet与NASNet-大更换GoogLeNet。

再培训上一个新的分类任务的网络，请按照下列步骤火车深学习网络分类新形象并加载NASNet-大，而不是GoogLeNet。

例

净= nasnetlarge返回预训练NASNet，大卷积神经网络。

此功能需要深度学习工具箱™模型NASNet，大型网络金宝app支持包。如果未安装此支持金宝app包，则该功能提供了下载链接。

例子

全部收缩

下载并安装深度学习工具箱模型NASNet，大型网络金宝app支持包。

类型nasnetlarge在命令行。

nasnetlarge

如果深度学习工具箱模型NASNet，大型网络金宝app支持包没有安装，那么函数提供了附加在资源管理器链接到所需的支持包。要安装支持包，点击链接，然后点金宝app击安装。检查安装是否成功通过打字nasnetlarge在命令行。如果安装所需的支持包，则该函数返金宝app回一个DAGNetwork宾语。

nasnetlarge
ANS = DAGNetwork与属性：层：[1244×1 nnet.cnn.layer.Layer]连接：[1463×2表]

您可以使用迁移学习再培训网络，以一组新的图片进行分类。

打开范例火车深学习网络分类新形象。原来的示例使用GoogLeNet预训练网络。要使用不同的网络执行传输学习，装入所需的预训练的网络，并按照实例中的步骤。

加载NASNet - 大型网络，而不是GoogLeNet。

净= nasnetlarge

按照本例中的剩余步骤重新培训你的网络。您必须替换最后一个可以学习的层和与培训的新层网络中的分级层。这个例子说明了如何找到替换的图层。

输出参数

全部收缩

预训练NASNet-大卷积神经网络，返回为DAGNetwork宾语。

参考

[1]ImageNet。http://www.image-net.org

[2] Zoph，巴瑞特，维杰瓦苏德万，乔纳森Shlens和杜国安V.勒。“学习转换架构可缩放图像识别。”预印本的arXiv的arXiv：1707.070122，没有。6（2017年）。

扩展功能

也可以看看

|||||||||||||

主题

介绍了在R2019a

深度学习工具箱文档
金宝app
MATLABで始めるディープラーニング

MATLABで始めるディープラーニング

电子书をダウンロードする