このページの翻訳は最新ではありません。ここをクリックして,英語の最新版を参照してください。
深度学习工具箱™では,複数の出力(たとえば,複数のソースおよびタイプのデータで学習させたネットワーク)または複数の出力(たとえば,分類および回帰の両方の応答を予測するネットワーク)があるネットワークアーキテクチャを定義できます。
ネットワークに複数のソースまたは異なる形式のデータが必要な場合に,複数の入力があるネットワークを定義します。たとえば,複数のセンサーから異なる解像度で取得されたイメージデータを必要とするネットワークです。
複数の入力がある深層学習ネットワークの定義と学習を行うには,layerGraph
オブジェクトを使用してネットワークアーキテクチャを指定し,データストア入力がある関数trainNetwork
を使用して学習を行います。
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ストアを作成します。ここで,numInputs
はネットワーク入力の数です。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。入力の順序は,層グラフ层
のInputNames
プロパティによって指定します。
ヒント
ネットワークに複数の出力もある場合,カスタム学習ループを使用しなければなりません。詳細については,多出力ネットワークを参照してください。
複数の入力がある学習済み深層学習ネットワークで予測を行うには,関数预测
と分类
のいずれかを使用します。次のいずれかを使用して複数の入力を指定します。
combinedDatastore
オブジェクト
transformedDatastore
オブジェクト
複数の数値配列
異なる形式の複数の応答を必要とするタスク用に,複数の出力があるネットワークを定義します。たとえば,カテゴリカル出力と数値出力の両方を必要とするタスクです。
複数の出力がある深層学習ネットワークの学習を行うには,カスタム学習ループを使用します。例については,複数の出力をもつネットワークの学習を参照してください。
モデル関数を使用して予測を行うには,モデル関数を学習済みネットワークに直接使用します。例については,モデル関数を使用した予測の実行を参照してください。
または,関数assembleNetwork
を使用してモデル関数をDAGNetwork
オブジェクトに変換します。組み立てたネットワークでは,次のことができます。
例については,予測用の多出力ネットワークの組み立てを参照してください。