文档帮助中心文档
使用训练有素的深度学习神经网络预测反应
深度学习工具箱/深度神经网络
的预测块通过使用通过块参数指定的训练网络来预测对输入数据的响应。此块允许将备用网络加载到Simulink中金宝app®来自垫子文件或来自Matlab的模型®函数。
请注意
使用预测块在Simulink中进行预测。金宝app使用MATLAB代码进行编程预测,使用分类和预测功能。
分类
预测
全部展开
输入
的输入端口预测块获取已加载的网络的输入图层的名称。例如,如果指定googlenet为Matlab功能的输入端口预测块标记数据.基于网络加载,预测块的输入可以是图像、序列或时间序列数据。
googlenet
Matlab功能
输入的格式取决于数据的类型。
如果数组包含南,然后通过网络传播。
南
输出
输出端口预测块接受所加载网络的输出层的名称。例如,如果指定googlenet为Matlab功能的输出端口预测块标记输出.基于加载的网络,输出预测块可以代表预测的分数或响应。
预测分数或反应,以a返回N-经过-K数组,N是观察的次数,和K为类数。
如果你使激活对于网络层预测块创建一个新的输出端口,其名称为选定的网络层。该端口输出来自选定网络层的激活。
激活
来自网络层的激活以数字数组的形式返回。输出的格式取决于输入数据的类型和层输出的类型。
对于2-D图像输出,激活是一个h-经过-w-经过-c-经过-n数组,h,w, 和c是分别为所选图层输出的高度,宽度和数量,以及n是图像的数量。
对于包含载体数据的单个时间步,激活是一个c-经过-n矩阵,其中n是序列的数量和c为序列中特征的个数。
对于包含二维图像数据的单个时间步长,激活是一个h-经过-w-经过-c-经过-n数组,n为序列的个数,h,w, 和c分别为图像的高度、宽度和通道数量。
网络
网络从MAT-file
来自MATLAB功能的网络
squeezenet
指定培训的网络的源。选择以下选项之一:
网络从MAT-file- 从包含一个包含a的垫文件导入培训的网络SeriesNetwork,DAGNetwork,或dlnetwork.目的。
SeriesNetwork
DAGNetwork
dlnetwork.
来自MATLAB功能的网络-从MATLAB函数中导入一个预先训练好的网络。例如,通过使用googlenet函数。
文件路径
此参数指定包含培训的深度学习网络的MAT文件的名称。如果文件不在MATLAB路径上,请使用浏览按钮以定位文件。
要启用此参数,请设置网络参数网络从MAT-file.
该参数指定预训练的深度学习网络的MATLAB函数名。例如,使用googlenet函数导入预先训练好的GoogLeNet模型。
要启用此参数,请设置网络参数来自MATLAB功能的网络.
迷你批量尺寸
用于预测的小批量的大小,指定为正整数。更大的迷你批处理需要更多的内存,但可以导致更快的预测。
启用返回预测分数或响应的输出端口。
网络层
使用激活列表以选择要从中提取要素的图层。所选图层显示为输出端口预测块。
在Simulink®模型中使用深度卷积神经网络来执行车道和车辆检测。金宝app本例以交通视频中的帧作为输入,输出两个车道边界,分别对应ego车辆的左右车道,并检测帧中的车辆。
使用注意事项及限制:
的语言参数配置参数>代码生成“常规类别”必须设置为c++.
c++
对于基于ert的目标金宝app支持:适应信号参数代码生成>接口窗格必须启用。
有关代码生成支持的网络和图层列表,请参阅金宝app支持代码生成的网络和层金宝app(MATLAB编码器).
有关CUDA支持的网络和图层列表金宝app®代码,看金宝app支持的网络,图层和类(GPU编码器).
要了解有关为包含的Simulink模型生成代码的更多信息金宝app预测块,看执行车道和车辆检测的深度学习模拟模型的代码生成金宝app(GPU编码器).
图像分类器
次のMATLABコマンドに対応するリンクがクリックされました。
コマンドをMATLABコマンドウィンドウに入力して実行してください。WebブラウザーはMATLABコマンドをサポートしていません。
选择一个网站,在那里获得翻译的内容,并看到当地的活动和优惠。根据您的位置,我们建议您选择:.
您还可以从以下列表中选择一个网站:
选择中国网站(中文或英文)以获得最佳网站性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。
与当地办事处联系