学习と検证

イメージデータストアを学習データのソースとして使用するには,Trainnetwork.の数IMDS.を使用します。その他のすべてのタイプのデータストアを学習データのソースとして使用するには、Trainnetwork.の数DS.を使用します。データストアを検証に使用するには、trainingOptionsで名前と値ののペアペア数'验证数据'を使用します。

学習または検証に有効な入力であるには,データストアの関数读が细胞配列または表としてデータを返さなければなりません(数値配列を出力できるimageageAtastore.オブジェクトと、表を出力しなければならないカスタムミニバッチデータストアは除く)。

単一の致力于あるあるの场场れるれるストア返されるれる细胞配列に2つの列列ばなりませんんなりません。を表します。データデータの各列は个别のを表し表しimageageAtastore.の場合のみ、Trainnetwork.およびtrainingOptionsはは配列およびののとしてとして返さ返さをししししししししししししししししししししししししししし

複数の入力層があるネットワークにデータストアを使用するには,関数结合および变换を使用して，列数が（numinputs.+ 1）の细胞配列を出力するデータを作用成し。ここここ，numinputs.はは能力の数。この場合,最初のnuminputs.列は各入力の予測子を指定し,最後の列は応答を指定します。入力のの顺序，层层层数の输入名称プロパティによって指定します。

以下の表に,データストアDS.に対して关节读ををた结合のの力ののを示します。

data =阅读(ds)

data = 4×2 table Predictors Response __________________ ________ {224×224×3 double} 2 {224×224×3 double} 7 {224×224×3 double} 9 {224×224×3 double} 9

data =阅读(ds)

数据= 4×2单元阵列{224×224×3双} {[2]} {224×224×3双} {[7]} {224×224×3双} {[9]} {224×224×3双} {[9]}

data =阅读(ds)

Data = 4×3 cell array {224×224×3 double} {128×128×3 double} {[2]} {224×224×3 double} {128×128×3 double} {[2]} {224×224×3 double} {128×128×3 double} {[9]} {224×224×3 double} {128×128×3 double} {[9]}

予测子の形式は，データのタイプによって异なり。

桌面で返さ予测子彩色，要素に，数码スカラー，数码行ベクトルが含まれいる，または数码配列格式され1行1列のの含ま

关节Trainnetwork.は,複数のシーケンス入力層をもつネットワークをサポートしていません。

応答の形式は，タスクのタイプによって异なり。

表で返される応答の場合,要素は,直言スカラー,数値行ベクトルであるか,数値配列が格納された1行1列の细胞配列でなければなりません。

予测

预测那分类，および激活を使用する推論の場合,予測子に対応する列を得るためにのみデータストアが必要です。推論関数は最初のNumInputs個の列を使用し,後続の層を無視します。ここで,NumInputsははネットワーク力层层数。

データストアの変換

変换されたデータストア，データを読み取るときに，特定のデータをを基于なるデータストアにににます。变换を使用して,基となるデータストアおよび変換処理について指定します。

变换に指定された関数ハンドルは,基になるデータストアの関数读によって返される形式と同じ形式の入力データを受け入れなければなりません。

digitDatasetPath = fullfile (matlabroot,'工具箱'那“nnet”那.．.“nndemos”那'nndatasets'那'digitdataset'); imds2=图像数据存储（digitDatasetPath，.．.'insertumbfolders'假的,.．.“LabelSource”那“foldernames”）;

miniBatchSize = 128;洛桑国际管理发展学院。ReadSize = miniBatchSize;

@preprocessForTraining dsTrain =变换(imd,'inclordinfo',真正的)

dstrain = transformeddataStore的属性：底层atakastore：[1×1 matlab.io.datastore.imagedataStore]变换：{@preprocessfortring} includeinfo：1

层=[imageInputLayer（[28 1]，“归一化”那'没有任何'）卷积2dlayer（5,20）rululayer maxpooling2dlayer（2，'走吧'，2）全连接层（10）；softmaxLayer分类层]；选项=培训选项(“亚当”那.．.'plots'那“训练进步”那.．.“MiniBatchSize”，小匹匹匹匹配）;net = trainnetwork（dstrain，图层，选项）;

功能[dataOut，info]=prepreprefortraining（data，info）numRows=size（data，1）；dataOut=cell（numRows，2）；为了Idx = 1：numrows随机90度旋转imgOut = rot90(数据{idx 1},兰迪(4)1);％将标签从Info Struct返回为%数据输出中的第二列。dataOut (idx:) = {imgOut, info.Label (idx)};结尾结尾

データストアの统合

关节结合は、複数のデータストアを関連付けます。結果のCombinedDatastoreに対してデータストアのリセットなど操作业う，基本になるなるすべてのストア同じ同じなるが実れれれれ同じされれたデータストアストアれますますますますますれれたデータストアストア读を呼び出すと，基因なる个のになるデータストアからのバッチますつが読み取られますれ読み取ら観测はますばばませんんばなりませ。と，学习と検证に适した列の细胞配列で，结果が水平方向に连结さて返されますシャッフルささたストアをシャッフルと，基于ストア内のも同なるランダムストアににます。

たとえば,image-to-image回帰ネットワークに学習させる場合,2つのイメージデータストアを組み合わせることによって学習データセットを作成できます。次のサンプルコードは,imdsXおよびimdsYという名前の2つのイメージデータストアののわせを示しますれデータれたデータImdstrain.はデータを2列の细胞配列配列返します。

imdsx = imagedataStore（___）;IMDSY = IMAGEDATASTORE（___）;IMDStrain =组合（IMDSX，IMDSY）

imdsTrain = CombinedDatastore属性:

图像处理工具箱がが场合，randomPatchExtractionDatastore(图像处理工具箱)によってによって别の解决策がされれれこれは，imageageAtastore.那PixellabeldAtastore.，およびTransformedDatastore内のイメージに基づくデータを関連付ける方法に代わる解決策です。randomPatchExtractionDatastoreには,関数结合をパッチがありはいますががは，具体而言，をががますのいますます，具体而言，をががあり，具体而言。