ネットワーク層を再作成するMATLABコードの生成

ディープ ネットワーク デザイナーで構築したネットワークを再作成する MATLAB コードを生成します。[デザイナー]タブで次のオプションのいずれかを選択します。

生成されたスクリプトを実行すると、ネットワーク アーキテクチャがワークスペースの変数として返されます。ネットワーク アーキテクチャによって、変数はlgraphという名前の層グラフ、またはlayersという名前の層配列になります。ディープ ネットワーク デザイナーからエクスポートしたネットワークに学習させる例については、ディープ ネットワーク デザイナーを使用したシンプルなシーケンス分類ネットワークの作成を参照してください。

ネットワークに学習させるMATLABコードの生成

ネットワークの構築と学習をディープ ネットワーク デザイナーで再作成するには、学習後に MATLAB コードを生成します。ディープ ネットワーク デザイナーを使用してイメージ分類ネットワークに学習させる例については、ディープ ネットワーク デザイナーを使用した転移学習を参照してください。

学習が完了したら、[学習]タブの[エクスポート]、[学習用コードの生成]を選択します。アプリによって,ネットワークからライブスクリプトと,初期パラメーター(重みとバイアス) を含む MAT ファイルが作成されます。データをワークスペースからディープ ネットワーク デザイナーにインポートする場合、これも生成される MAT ファイルに含まれます。

生成されたスクリプトを実行すると、ネットワークの構築 (MAT ファイルからの学習可能なパラメーターを含む)、データのインポート、学習オプションの設定、およびネットワークの学習が行われます。生成されたスクリプトを調べて、ネットワークの構築と学習をコマンド ラインで行う方法を確認します。

生成したスクリプトは、ハイパーパラメーター値の範囲のスイープ、またはベイズ最適化の使用による最適な学習オプションの検出を行う深層学習実験を作成するための開始点としても使用できます。ディープ ネットワーク デザイナーで学習させたネットワークのハイパーパラメーターを調整するために実験マネージャーを使用する方法を示す例については、Adapt Code Generated in Deep Network Designer for Use in Experiment Managerを参照してください。

img = imread("peppers.png"); img = imresize(img, net.Layers(1).InputSize(1:2)); label = predict(net, img); imshow(img); title(label);