主要内容

importCaffeLayers

从Caffe导入卷积神经网络层

折叠所有页面

语法

layers = importCaffeLayers(原型文件)
layers = importCaffeLayers(protofile，'InputSize'，sz)

描述

例子

层= importCaffeLayers (protofile）进口咖啡的层次[1]网络。函数中定义的层.prototxt文件protofile．

这个函数需要深度学习工具箱™Caffe模型进口商金宝app支持包。如果没有安装此支金宝app持包，则该函数将提供下载链接。

你可以从Caffe Model Zoo下载预先训练好的网络[２]．

层= importCaffeLayers (protofile“InputSize”,深圳）指定输入数据的大小。如果.prototxt文件不指定输入数据的大小，则必须指定输入大小。

例子

全部折叠

这个例子使用了:

下载和安装深度学习工具箱导入Caffe模型金宝app支持包。

通过键入下载所需的支持包金宝appimportCaffeLayers在命令行。

importCaffeLayers

如果深度学习工具箱导入Caffe模型金宝app支持包未安装，则该函数在外接程序资源管理器中提供到所需支持包的链接。要安装支持包，请单击链接，然后金宝app单击安装．

这个例子使用了:

指定示例文件“digitsnet.prototxt”进口。

protofile =“digitsnet.prototxt”；

导入网络层。

layers = importCaffeLayers(原型文件)
Layer array with layers: 1' testdata' Image Input 28x28x1 images 2' conv1' Convolution 20 5x5x1 convolutions with stride [1 1] and padding [0 0] 3 'relu1' ReLU ReLU 4 'pool1' Max Pooling 2x2 Max Pooling with stride [2 2] and padding [0 0] 5 'ip1' Fully Connected 10 Fully Connected Layer 6 'loss' Softmax Softmax 7 'output' Classification output crossentropyex with 'class1'， 'class2'， and 8个其他类

输入参数

全部折叠

文件名称.prototxt包含网络体系结构的文件，指定为字符向量或字符串标量。protofile必须在当前文件夹中，在MATLAB的文件夹中®路径，或者必须包含文件的完整路径或相对路径。如果.prototxt文件不指定输入数据的大小，必须使用深圳输入参数。

例子:“digitsnet.prototxt”

输入数据的大小，指定为行向量。指定由两个或三个整数值组成的向量(h, w),或[w h, c]对应于输入数据的高度、宽度和通道数。

例子:[28 28 1]

输出参数

全部折叠

网络体系结构，返回为层数组或LayerGraph对象。将彩色图像作为输入的Caffe网络希望图像采用BGR格式。在导入期间,importCaffeLayers修改网络，使导入的MATLAB网络以RGB图像为输入。

更多关于

全部折叠

在GPU上使用导入网络层

importCaffeLayers不会在GPU上执行。然而,importCaffeLayers导入深度学习预训练神经网络的层层数组或LayerGraph对象，你可以在GPU上使用。

  • 将导入的图层转换为aDAGNetwork对象，使用assembleNetwork．在DAGNetwork对象，然后您可以通过使用预测CPU或GPU上的类标签分类．使用name-value参数指定硬件需求ExecutionEnvironment．对于具有多个输出的网络，使用预测函数并指定名称-值参数ReturnCategorical作为真正的．

  • 转换导入的LayerGraph对象的dlnetwork对象，使用dlnetwork．在dlnetwork对象，然后您可以通过使用预测CPU或GPU上的类标签预测．这个函数预测如果输入数据或网络参数存储在GPU上，则在GPU上执行。

    • 如果你使用minibatchqueue要处理和管理输入数据的小批，可以使用minibatchqueue如果GPU可用，对象默认将输出转换为GPU数组。

    • 使用dlupdate转换a的可学习参数dlnetwork对象到GPU数组。

      Dlnet = dlupdate(@gpuarray, Dlnet)

  • 可以在CPU或GPU上训练导入的层trainNetwork．若要指定培训选项，包括用于执行环境的选项，请使用trainingOptions函数。使用name-value参数指定硬件需求ExecutionEnvironment．有关如何加速训练的更多信息，请参见并行、gpu和云中扩展深度学习．

使用GPU需要并行计算工具箱™和受支持的GPU设备。金宝app有关受支持设备的信息，请参见金宝appGPU支金宝app持版本(并行计算工具箱)．

提示

参考文献

[２]Caffe动物园模型．https://caffe.berkeleyvision.org/model_zoo.html．

另请参阅

||||||||

主题

在R2017a中引入

深度学习工具箱文档

金宝app

用MATLAB介绍深度学习

用MATLAB介绍深度学习

下载电子书