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。
学習済み再帰型ニューラルネットワークを使用した応答の予測およびネットワークの状態の更新
1つのCPUまたは1つのGPUで学習済み深層学習ネットワークを使用して予測を実行できます。GPUを使用するには,并行计算工具箱™および以3.0计算能力上のCUDA®対応英伟达®GPUが必要です。名前と値のペアの引数“ExecutionEnvironment”を使用してハードウェア要件を指定します。
[
は,学習済み再帰型ニューラルネットワークupdatedNet
,YPred
) = predictAndUpdateState (recNet
,序列
)recNet
を使用して序列
のデータの応答を予測し,ネットワークの状態を更新します。
この関数は,再帰型ニューラルネットワークのみをサポートしています。入力recNet
には少なくとも1つの再帰層を含めなければなりません。
[
は,前の構文のいずれかの引数と,1つ以上のペアの引数updatedNet
,YPred
) = predictAndUpdateState (___,名称,值
)名称,值
によって指定された追加オプションを使用します。たとえば,“MiniBatchSize”,27
はサイズ27のミニバッチを使用して予測を実行します。
ヒント
長さが異なるシーケンスで予測を行うと,ミニバッチのサイズが,入力データに追加されるパディングの量に影響し,異なる予測値が得られることがあります。さまざまな値を使用して,ネットワークに最適なものを確認してください。ミニバッチのサイズとパディングのオプションを指定するには,“MiniBatchSize”
および“SequenceLength”
オプションをそれぞれ使用します。
深度学习工具箱™に含まれる深層学習における学習,予測,検証用のすべての関数は,単精度浮動小数点演算を使用して計算を実行します。深層学習用の関数にはtrainNetwork
、预测
、分类
、激活
などがあります。CPUとGPUの両方を使用してネットワークに学習させる場合,単精度演算が使用されます。
工藤、富山、新保。“使用通过区域的多维曲线分类”。模式识别字母。第20卷,第11-13期,第1103-1111页。
[2] UCI机器学习知识库:日语元音数据集。https://archive.ics.uci.edu/ml/datasets/Japanese+Vowels