trainNetwork
深度学习的神经中枢
Sintaxis
Descripcion
Para tareas de clasificación y regresión, puede entrenar varios tipos de redes neurales usage la funcióntrainNetwork
.
Por ejemplo, puede entrenar:
una red neuron convolucional (ConvNet, CNN) para datos de imágenes
红神经元循环(RNN),皮质大空间记忆(LSTM),神经循环(GRU),时间序列的安全数据
una red de perceptrón multicapa (MLP) para datos de características numéricas
Puede entrenar tanto en una CPU como en una GPU。Para la clasificación y la regresión de imágenes, puede entrenar una sola red en parallelelo utizando varas GPU o un grupo parallelo local o remoto。并行计算工具箱™。Para utilzar una GPU Para深度学习,debe también disponer de un dispositivo GPU兼容。Para obtener información清醒的性格,协商GPU计算要求(并行计算工具箱).特别活动,包括活动活动ejecución,活动活动funcióntrainingOptions
.
红神经元,特别的预测和反应,单独的反应,独立的反应。
包括
Entrenar la红色para classifier imágenes
货物没有异议ImageDatastore
.
digitDatasetPath = fullfile(matlabroot,“工具箱”,“nnet”,...“nndemos”,“nndatasets”,“DigitDataset”);imds = imageDatastore(digitDatasetPath,...“IncludeSubfolders”,真的,...“LabelSource”,“foldernames”);
El almacén de datos contiene 10000 imágenes sintéticas con dígitos del 0 al 9。Las imágenes se generan applicando transformaciones al azar imágenes de dígitos creadas con dientes。Cada imagen de dígito tiene 28 por 28 píxeles。El almacén de datos continene la misma悬臂de imágenes por categoría。
博物馆imágenes del almacén de datos。
figure numImages = 10000;perm = randperm(numImages,20);为I = 1:20 subplot(4,5, I);imshow (imds.Files{烫发(i)});drawnow;结束
分割者almacén按程序的数据categoría按顺序排列的连线者750 imágenes按顺序排列的连线者imágenes按顺序排列的礼仪。
numTrainingFiles = 750;[imdsTrain,imdsTest] = splitEachLabel(imds,numTrainingFiles,“随机”);
splitEachLabel
划分影像档案digitData
在新时代的日子里,imdsTrain
yimdsTest
.
定义la arquitectura de la red神经元旋。
层= [...imageInputLayer([28 28 1]) convolution2dLayer(5,20) reluLayer maxPooling2dLayer(2,“步”,2) fullyConnectedLayer(10) softmaxLayer classificationLayer];
建立la configuración预先决定de las opciones del gradiente descent estocástico con moment。建立在número máximo de épocas上20世纪建立在0,0001。
选项= trainingOptions(“个”,...“MaxEpochs”, 20岁,...“InitialLearnRate”1的军医,...“详细”假的,...“阴谋”,“训练进步”);
Entrene la red。
net = trainNetwork(imdsTrain,layers,options);
引经出道的红色与意象的关系,没有对红色与意象的关系的利用,意象的礼仪(dígitos)。
YPred = category (net,imdsTest);YTest = imdsTest.Labels;
Calcule la precisión。La precisión es La relación entre el número de verdaderas de los datos de prueba que巧合con las分类de分类
Y el número de imágenes de los datos de prueba。
精度= sum(YPred == YTest)/numel(YTest)
准确度= 0.9408
恩泽纳乌纳红con imágenes奥曼塔达斯
Entrene una红色神经元convolucional con datos de imágenes aumentadas。那是一段美好的回忆那是一段美好的回忆imágenes那是一段美好的回忆。
货物清单están formados por imágenes sintéticas de dígitos手稿。
[XTrain,YTrain] = digitTrain4DArrayData;
digitTrain4DArrayData
carga el conjunto de entrenamiento de dígitos como datos de unarreglo 4D。XTrain
Es UN arreglo de 28 por 28 por 1 por 5000, donde:
28 es la altura y la anchura de las imágenes。
1 es el número de canales。
5000 es el número de imágenes sintéticas de dígitos手稿。
YTrain
Es UN vector categórico que contiene las etiquetas para cada observación。
储备1000 de las imágenes para la validación de la red。
idx = randperm(size(XTrain,4),1000);XValidation = XTrain(:,:,:,idx);XTrain(:,:,:,idx) = [];YValidation = YTrain(idx);YTrain(idx) = [];
Cree un异议imageDataAugmenter
关于程序前的特别行动imágenes,关于行动tamaño, la rotación, la traslación y la reflexión。Traslade aleoriamente las imágenes hasta tres píxeles水平y垂直,y rote las imágenes con un ángulo de hasta 20格拉。
imageAugmenter = imageDataAugmenter(...“RandRotation”(-20年,20),...“RandXTranslation”3 [3],...“RandYTranslation”3 [3])
imageAugmenter = imageDataAugmenter with properties: FillValue: 0 RandXReflection: 0 RandYReflection: 0 RandRotation: [-20 20] RandScale: [1 1] RandXScale: [1 1] RandYScale: [1 1] RandXShear: [0 0] RandYShear: [0 0] RandXTranslation: [-3 3] RandYTranslation: [-3 3]
Cree un异议augmentedImageDatastore
Para使用,durante, el, enrenamian, de, la, red,特别的tamaño, de, salida, de, la imagen。杜兰特·埃尔登登,almacén埃尔登堡imágenes埃尔登堡tamaño。El almacén de datos aumenta las imágenes sin guardar ninguna en la memoria。trainNetwork
Actualiza los parámetros de la red y descarta las imágenes aumentadas。
imageSize = [28 28 1];augimds = augmentedimagedastore (imageSize,XTrain,YTrain,“DataAugmentation”, imageAugmenter);
特别la架构,德拉红神经元旋。
图层= [imageInputLayer(imageSize)卷积2dlayer (3,8,“填充”,“相同”maxPooling2dLayer(2,“步”2) convolution2dLayer(16日“填充”,“相同”maxPooling2dLayer(2,“步”32岁的,2)convolution2dLayer (3“填充”,“相同”batchNormalizationLayer reluLayer fullyConnectedLayer(10) softmaxLayer classificationLayer];
特别的印象,对后代的影响estocástico现在。
opts = trainingOptions(“个”,...“MaxEpochs”15岁的...“洗牌”,“every-epoch”,...“阴谋”,“训练进步”,...“详细”假的,...“ValidationData”, {XValidation, YValidation});
Entrene la red。Puesto que las imágenes de validación没有儿子,la precisión de validación es superior a la precisión de entrenamiento。
net = trainNetwork(augimds,layers,opts);
Entrenar la红色para la regresión de imágenes
货物清单están formados por imágenes sintéticas de dígitos手稿。连续三十年的工资ángulos通讯员在grados在los que se ha rotado cada imagen。
货物拉imágenes de entrenamiento como arreglos 4D中线digitTrain4DArrayData
.洛杉矶——赛利达XTrain
Es UN arreglo de 28 por 28 por 1 por 5000, donde:
28 es la altura y la anchura de las imágenes。
1 es el número de canales。
5000 es el número de imágenes sintéticas de dígitos手稿。
YTrain
continene los ángulos de rotación en grados。
[XTrain,~,YTrain] = digitTrain4DArrayData;
博物馆20 imágenes中间的临时博物馆imshow
.
figure numTrainImages = numel(YTrain);idx = randperm(numTrainImages,20);为i = 1:元素个数(idx)次要情节(4、5、i) imshow (XTrain (:,:,:, idx(我)))drawnow;结束
特别la架构,德拉红神经元旋。Para problem de regresión,包括una capa de regresión al final de la red。
层= [...imageInputLayer([28 28 1]) convolution2dLayer(12,25) reluLayer fullyConnectedLayer(1) regressionLayer];
尤其是红色的。那是什么意思呢?
选项= trainingOptions(“个”,...“InitialLearnRate”, 0.001,...“详细”假的,...“阴谋”,“训练进步”);
Entrene la red。
net = trainNetwork(XTrain,YTrain,图层,选项);
Pruebe el rendimiento de la red evaluando la precisión de predicción de los datos de prueba。Utilice预测
Para bicir los ángulos de rotación de las imágenes de validación。
[XTest,~,YTest] = digitTest4DArrayData;YPred = predict(net,XTest);
Evalúe el rendimiento del modelo calculando el error cuadrático medio raíz (RMSE) del ángulo de rotación predicho y del real。
rmse =√(mean(YTest - YPred).^2))
rmse =单6.0355
红色对分类安全的保护
Entrene una red de LSTM de deep learning para la clasificación secuencia a礼节。
Cargue el conjunto de datos de las vocales japan tal y como se描述en [1] y[2]。XTrain
270不同经度的倒数倒数12 características对应的倒数倒数倒数。Y
Es UN向量categórico de las etiquetas 1,2,…,9。Las entradas deXTrain
Son matrices con 12 filas (una fila por característica) y UN número变量de column (una column por unidad de tiempo)。
[XTrain,YTrain] =日本evowelstraindata;
天上时间的初值视觉gráfica。Cada línea se correspondence de con una característica。
图形图(XTrain{1}')“训练观察1”) numFeatures = size(XTrain{1},1);传奇(“特性”+字符串(1:numFeatures),“位置”,“northeastoutside”)
Defina la arquitectura de la red de LSTM特别是el tamaño de la entrada como 12 (el número de características de los datos de entrada)。特别之处,LSTM con 100 unidades ocultas y que genere último安全元素。Por último,具体的新类包括,总卡位,总卡位tamaño 9,软卡位,软卡位clasificación。
inputSize = 12;numHiddenUnits = 100;numClasses = 9;层= [...sequenceInputLayer inputSize lstmLayer (numHiddenUnits,“OutputMode”,“最后一次”fullyConnectedLayer(numClasses) softmaxLayer classificationLayer
2”LSTM LSTM 100个隐藏单元3”全连接9全连接层4”Softmax Softmax 5”分类输出crossentropyex
特别的是,我爱你。特别求解器“亚当”
y“GradientThreshold”
科莫1。Establezca el tamaño del minilote en 27 y el número máximo de épocas en 70。
我的孩子们pequeños我们的安全,我们的CPU más我们的孩子们。Establezca“ExecutionEnvironment”
在“cpu”
.Para realizar un entrenamiento en una GPU, si está可有可无,建立“ExecutionEnvironment”
在“汽车”
(el valor por defto)。
maxEpochs = 70;miniBatchSize = 27;选项= trainingOptions(“亚当”,...“ExecutionEnvironment”,“cpu”,...“MaxEpochs”maxEpochs,...“MiniBatchSize”miniBatchSize,...“GradientThreshold”, 1...“详细”假的,...“阴谋”,“训练进步”);
红彤彤的LSTM,和那些特别的行动。
net = trainNetwork(XTrain,YTrain,图层,选项);
货物和财产的安全分类。
[XTest,YTest] =日本evowelstestdata;
法律资料分类。特别的错误tamaño迷你的使用,para el entrenamiento。
YPred = category (net,XTest,“MiniBatchSize”, miniBatchSize);
计算la precisión de clasificación de las predicciones。
acc = sum(YPred == YTest)./ nummel (YTest)
Acc = 0.9459
恩瑞纳una red con características numéricas
Si tiene un conjunto de datos de características numéricas (por ejemplo, una colección de datos numéricos sin dimensions ones espaciales ni temporales), puede entrenar una red de deep learning利用una capa de entrada de características。
档案档案档案档案“transmissionCasingData.csv”
.
文件名=“transmissionCasingData.csv”;TBL =可读(文件名,“TextType”,“字符串”);
欢乐的仪式para la predicción en categóricas实用的方式la funciónconvertvars
.
labelName =“GearToothCondition”;tbl = convertvars(tbl,labelName,“分类”);
对时红利用características categóricas,对时红转换características categóricas numéricas。美好的预言categóricos en numéricos con la funciónconvertvars
特别说明:联合国权利清单和权利清单和权利变量categórica。我们在一起,我们在一起características categóricas我们在一起“SensorCondition”
y“ShaftCondition”
.
categoricalInputNames = [“SensorCondition”“ShaftCondition”];tbl = convertvars(tbl,categoricalInputNames,“分类”);
归因变量categórica。Para cada变量:
Convierta los valores categóricos en vecres codificados one-hot usando la función
onehotencode
.Añada los vectors one-hot a la手鼓utilzando la función
addvars
.关于插入矢量的特别说明después关于连续数据的柱体categóricos记者。关于连续资料的通讯栏categóricos。
为i = 1:numel(categoricalInputNames) name = categoricalInputNames(i);Oh = onehotencode(tbl(:,name));TBL = addvars(TBL,哦,“后”、名称);Tbl (:,name) = [];结束
列上向量的独立利用funciónsplitvars
.
TBL =分裂(TBL);
手鼓初音幻视。观察预测方法categóricos变量变量列差异计算categóricos变量名称计算。
头(台)
SigMean SigMedian SigRMS SigVar SigPeak SigPeak2Peak SigSkewness SigKurtosis SigCrestFactor SigMAD SigRangeCumSum SigCorrDimension SigApproxEntropy SigLyapExponent PeakFreq HighFreqPower EnvPower PeakSpecKurtosis没有传感器漂移传感器漂移没有轴穿轴穿GearToothCondition ________ _________ ______ _______ _______ ____________ ___________ ___________ ______________ _______ ______________ ________________ ________________ _______________ ________ _____________ ________________________ _______________ ____________ _____________ __________ __________________ -0.94876 -0.9722 1.3726 0.98387 0.81571 3.6314 -0.041525 2.2666 2.0514 0.8081 28562 1.1429 0.031581 79.931 0 6.75e-06 3.23e-07 162.13 01 10无齿故障-0.97537 -0.98958 1.3937 0.99105 0.81571 3.6314 -0.023777 2.2598 2.0203 0.81017 29418 1.1362 0.037835 70.325 0 5.08e-08 9.16e-08 226.12 01 10无齿故障1.0502 1.0267 1.4449 0.98491 3.6314 -0.04162 2.2658 1.9487 0.80853 31710 1.14790.031565 - 125.19 6.74 2.85 e-06 e-07 162.13 0 1 0 1没有牙齿错1.0227 1.0045 1.4288 0.99553 2.8157 3.6314 -0.016356 2.2483 1.9707 0.81324 30984 1.1472 0.032088 112.5 4.99 e-06 2.4 e-07 162.13 0 1 0 1没有牙齿错1.0123 1.0024 1.4202 0.99233 2.8157 3.6314 -0.014701 2.2542 1.9826 0.81156 30661 1.1469 0.03287 108.86 3.62 e-06 2.28 e-07 230.39 0 1 0 1没有牙齿错1.0275 1.0102 1.4338 1.0001 2.8157 3.6314 -0.02659 2.2439 1.9638 1.65 0.81589 1.0985 0.033427 64.576 31102 0 2.55 e-06 e-07 230.3901 01牙号故障1.0464 1.0275 1.4477 1.0011 2.8157 3.6314 -0.042849 2.2455 1.9449 0.81595 31665 1.1417 0.034159 98.838 0 1.73e-06 1.55e-07 230.39 01 01牙号故障1.0459 1.0257 1.4402 0.98047 2.8157 3.6314 -0.035405 2.2757 1.955 0.80583 31554 1.1345 0.0353 44.223 0 1.11e-06 1.39e-07 230.39 01 011牙号故障
参考资料的分类与分类。
classNames =类别(tbl{:,labelName})
一会=2 x1细胞{“没有牙齿故障”}{“牙齿故障”}
continuación,数据和参与者之间的关系和权利之间的关系。保留15%的资料。
确定el número de observaciones para cada partición。
numObservations = size(tbl,1);numObservationsTrain = floor(0.85*numObservations);numObservationsTest = numObservations - numObservationsTrain;
我们的思想思想índices我们的思想思想divídalo我们的思想思想tamaños partición。
idx = randperm(numObservations);idxTrain = idx(1:numObservationsTrain);idxTest = idx(numObservationsTrain+1:end);
手心数据和参与人的权利和权利的分配índices。
tblTrain = tbl(idxTrain,:);tblTest = tbl(idxTest,:);
定义一个红色的con una capa de entrada de características y especque el número de características。配置también la capa de entrada para normalizar los datos utilization la normalización de puntuación Z。
numFeatures = size(tbl,2) - 1;numClasses = numel(classNames);layers = [featureInputLayer(numFeatures,“归一化”,“zscore”) fullyConnectedLayer(50) batchNormalizationLayer reluLayer fullyConnectedLayer(numClasses) softmaxLayer classificationLayer];
特别的是,我爱你。
miniBatchSize = 16;选项= trainingOptions(“亚当”,...“MiniBatchSize”miniBatchSize,...“洗牌”,“every-epoch”,...“阴谋”,“训练进步”,...“详细”、假);
红彤彤的建筑层
,“约会的日子”和“约会的行动”。
net = trainNetwork(tblTrain,layers,options);
Prediga las etiquetas de los datos de prueba con la red entrenada y calcalla precisión。La precisión es La proporción de etiquetas que La red predice correctamente。
YPred =分类(net,tblTest,“MiniBatchSize”, miniBatchSize);YTest = tblTest{:,labelName};精度= sum(YPred == YTest)/numel(YTest)
准确度= 0.9688
entrada论证
图片
- - - - - -Datos de imágenes
Almacén de datos|Arreglo numerico|手鼓
imágenes,特别说明:
Tipo de datos | Descripcion | Ejemplo de uso | |
---|---|---|---|
Almacén de datos | ImageDatastore |
Almacén de datos de imágenes guardadas en disco | 脑门门clasificación de imágenes con imágenes迪斯科护卫imágenes tienen el mismo tamaño。 Si las imágenes tienen differents tamaños,使用unobjeto 洛杉矶objetos |
AugmentedImageDatastore |
Almacén申请转化资料geométricas自由法,包括cambio de tamaño, rotación, reflexión, estiramiento y traslación。 |
|
|
TransformedDatastore |
Almacén de datos que transforma lotes de datos leídos de un almacén de datos subyacente mediante una función de transformación personalizada。 |
|
|
CombinedDatastore |
Almacén de datos que lee de dos o más almacenes de datos subyacentes。 |
|
|
PixelLabelImageDatastore (计算机视觉工具箱) |
Almacén de datos que applica transformaciones geométricas罚款idénticas a imágenes y礼仪de píxeles通讯员。 | 神经元内孔segmentación semántica。 | |
RandomPatchExtractionDatastore (图像处理工具箱) |
Almacén随性行为的附加条件imágenes imágenes随性行为的附加条件píxeles随性行为的变更条件geométricas随性罚款idénticas随性行为。 | 脑神经连接detección物体。 | |
DenoisingImageDatastore (图像处理工具箱) |
Almacén关于自由和自由的数据。 | 脑内神经元对图像的消除。 | |
Almacén个人资料 | Almacén个人资料和堕落的资料。 | 在神经系统中,有数据,有格式,没有兼容的数据。 Para obtener más详情,咨询开发自定义小批量数据存储. |
|
Arreglo numerico | Imágenes especificadas como arreglo numérico。Si speciifica imágenes como arreglo numérico, también debe specific el argument to反应 . |
脑中有神经元,有记忆,有数据,有记忆,没有需要的过程,也有记忆。 | |
手鼓 | Imágenes especificadas como tabla。Si especifica imágenes como tabla, también puede especificar qué columnas continenen las respuestas utilza do el argumento反应 . |
手鼓上的神经中枢。 |
关于分项的规定,almacén关于客体的资料TransformedDatastore
oCombinedDatastore
.
Sugerencia
Para secuencias de imágenes, por ejemplo, datos de vídeo,使用el argumento de entrada序列
.
Almacén de datos
Los almacene de datos leen miniilotes de imágenes y respuestas。关于我们的资料más关于我们的资料,在我们的记忆中,在我们的资料中,在我们的记忆中,在我们的资料中。
一份名单,一份名单,一份直接相容的资料trainNetwork
Para datos de imágenes。
PixelLabelImageDatastore
(计算机视觉工具箱)RandomPatchExtractionDatastore
(图像处理工具箱)DenoisingImageDatastore
(图像处理工具箱)Almacén个人资料。Para obtener más详情,咨询开发自定义小批量数据存储.
Por ejemplo, puede crear un almacén de datos de imágenes utilzando la funciónimageDatastore
我们有自己的习惯imágenes我们有自己的习惯opción“LabelSource”
在“foldernames”
.Como alternative, puede specific as etiquette as manualmente con la iciadad标签
Del almacén de datos de imágenes。
Tenga en cuenta que los objectsImageDatastore
允许看档案的地方imágenes JPG o PNG中间的不稳定。Si utiza una función personalizada para leer las imágenes, los objectsImageDatastore
没有意识到。
Sugerencia
使用augmentedImageDatastore
Para preprocar eficiente de las imágenes Para深度学习,incluendo el cambio de tamaño de las imágenes。
没用la opciónreadFcn
德拉funciónimageDatastore
Para preprocar o cambiar el tamaño, ya que esta opción suele ser bastante más lenta。
深度学习应用程序的综合数据和中间数据变换
y结合
.数据转换系统leídos数据转换系统trainNetwork
.
关于分项的规定,almacén关于客体的资料TransformedDatastore
oCombinedDatastore
.
El formato requerido de la salida del almacén datos de la arquitectura de red。
红色建筑 | Salida del almacén de datos | Ejemplo de salida |
---|---|---|
Capa de entrada única | Tabla o arreglo de celdas con dos column。 一开始,一开始,一段,一段,一段,一段,一段,一段,一段。 手鼓的基本要素,手鼓的基本要素,手鼓的基本要素,手鼓的基本要素,手鼓的基本要素numérico。 个人资料,个人资料,生产资料。 |
手鼓para red con una entrada和una salida: 数据=读取(ds) data = 4×2 table Predictors Response __________________ ________ {224×224×3 double} 2 {224×224×3 double} 7 {224×224×3 double} 9 {224×224×3 double} 9 . data = 4×2 table Predictors Response |
Arreglo de celdas para red con una entrada和una salida: 数据=读取(ds) Data = 4×2 cell array {224×224×3 double} {[2]} {224×224×3 double} {[7]} {224×224×3 double} {[9]} {224×224×3 double} {[9]} |
||
Capas de entrada múltiples | 阿雷洛·德·塞尔达斯con ( 拉斯维加斯霹雳马 这是上天的旨意,上天的旨意,上天的旨意 |
阿雷格洛·德·塞尔达斯,红色的,中间的,和薪金的。 数据=读取(ds) 数据= 4×3 cell array {224×224×3 double} {128×128×3 double} {[2]} {224×224×3 double} {128×128×3 double} {[2]} {224×224×3 double} {128×128×3 double} {[9]} {224×224×3 double} {128×128×3 double} {[9]} |
预测的格式取决于数据的提示。
拿督 | Formato |
---|---|
画像2 d | Arreglo numérico deh运动w运动c,在哪里h,wyc太阳神,太阳神número运河imágenes,分别。 |
画像3 d | Arreglo numérico deh运动w运动d运动c,在哪里h,w,dyc上帝之子,上帝之安丘拉,上帝之深número运河imágenes,分别。 |
Para predicres devueltos en tablas, los elements deben contener un escalar numérico, un vector fila numérico o un arreglo de celdas de 1 por 1 con el arreglo numérico。
计算公式依赖于计算面积。
他利亚 | 格式 |
---|---|
Clasificación de imágenes | Escalar categorico |
Regresión de imágenes |
|
Para respuestas devueltas en tablas, los element deen ser un escalar categórico, un escalar numérico, un vector fila numérico o un arreglo de celdas de 1 por 1 con un arreglo numérico。
Para obtener más información, consulte用于深度学习的数据存储.
Arreglo numerico
Para datos, que quepan, en, remember,和,como,,特别的,有联系的datos imágenes, como, arreglo, numérico。Si speciifica imágenes como arreglo numérico, también debe specific el argument to反应
.
El tamaño y la forma del arreglo numérico依赖于数据imágenes。
拿督 | Formato |
---|---|
画像2 d | Arreglo numérico deh运动w运动c运动N, en el queh,wyc太阳神,太阳神número运河imágenes,分别,yNEs el número de imágenes。 |
画像3 d | Arreglo numérico deh运动w运动d运动c运动N, en el queh,w,dyc上帝之子,上帝之安丘拉,上帝之深número运河imágenes,分别,yNEs el número de imágenes。 |
手鼓
Como alternative a almacenes de datos o arreglos numéricos, también puede specispecialimágenes y respuestas en una tabla。Si especifica imágenes como tabla, también puede especificar qué columnas continenen las respuestas utilza do el argumento反应
.
传传传imágenes手鼓上的声音,手鼓上的声音对应着手鼓observación。
意象的中间部分,手鼓的柱头的初始部分的预测部分,操作的主要部分:
档案的绝对相对之路,意象的独特之处。
阿雷格罗·德·塞尔达斯1波1 que contiene un阿雷格罗numérico德h运动w运动cque representa una imagen 2D, dondeh,wyc通信的一个地方,一个安丘拉和el número关于运河的图像,分别。
计算公式依赖于计算面积。
他利亚 | 格式 |
---|---|
Clasificación de imágenes | Escalar categorico |
Regresión de imágenes |
|
神经之梦imágenes,无特别之处反应
, la función, de forma predeterminada, utilizará la primera column资源描述
预测之路和未来之路。
Sugerencia
是对未来世界的预测
南
,“这是宣传,这是红色的,这是永恒的”。在这里,一切都是正常的。Para as tareas regresión, normalizar las respuestas suele ayudar一个建立的加速el entrenamiento de las redes neuralales Para regresión。Para obtener más información, consulte前额una红色神经元旋对regresión.
介绍赤色大地的价值标准,la opción
SplitComplexInputs
De la capa De entrada debe ser1
.
数据提示:单
|双
|int8
|int16
|int32
|int64
|uint8
|uint16
|uint32
|uint64
|表格
Soporte de números complejos:如果
序列
- - - - - -时间序列的数据安全
Almacén de datos|阿雷格洛·德·塞尔达斯·德·阿雷格洛numéricos|Arreglo numerico
时间序列数据的安全,时间序列数据的安全:
Tipo de datos | Descripcion | Ejemplo de uso | |
---|---|---|---|
Almacén de datos | TransformedDatastore |
Almacén de datos que transforma lotes de datos leídos de un almacén de datos subyacente mediante una función de transformación personalizada。 |
|
CombinedDatastore |
Almacén de datos que lee de dos o más almacenes de datos subyacentes。 | 不同数据财富的组合预测。 |
|
Almacén个人资料 | Almacén个人资料和堕落的资料。 | 在神经系统中,有数据,有格式,没有兼容的数据。 Para obtener más详情,咨询开发自定义小批量数据存储. |
|
Arreglo numérico o de celdas | Una única有安全的地方numérico关于有安全的地方numéricos。有特定的安全numérico de celdas, también有特定的论点反应 . |
在神经系统中,我们有记忆,没有必要的过程,可以改变个人。 |
Almacén de datos
我们的生活和生活。关于我们的资料más关于我们的资料,在我们的记忆中,在我们的资料中。
一份名单,一份名单,一份直接相容的资料trainNetwork
机密资料。
Almacén个人资料。Para obtener más详情,咨询开发自定义小批量数据存储.
深度学习应用程序的综合数据和中间数据变换
y结合
.数据转换系统leídos数据转换系统,数据转换系统trainNetwork
.Por ejemplo, puede转换组合数据leídos de arreglos en memoria y archivos CVS中间对象ArrayDatastore
yTabularTextDatastore
, respectivamente。
El almacén de datos debe devolver datos en una tabla o arreglo de celdas。个人资料,个人资料,生产资料。
Salida del almacén de datos | Ejemplo de salida |
---|---|
手鼓 |
数据=读取(ds) 表= 4×2数据预测的反应 __________________ ________ { 12×50双}2{12×50双}7{12×50双}9{12×50双}9 |
Arreglo de celdas |
数据=读取(ds) Data = 4×2 cell array {12×50 double} {[2]} {12×50 double} {[7]} {12×50 double} {[9]} {12×50 double} {[9]} |
预测的格式取决于数据的提示。
拿督 | 预测公式 |
---|---|
向量安全 | Matriz德c运动年代,在哪里cEs el número de características de la secuencia y年代这是经线,这是安全。 |
安全球imágenes 1D | Arreglo德h运动c运动年代,在哪里hyc通信在地球上número de canal de la imagen,分别,y年代这是经线,这是安全。 安全的秘密,秘密的秘密,秘密的秘密。 |
安全imágenes 2D | Arreglo德h运动w运动c运动年代,在哪里h,wyc通信的一个la altura, la anchura和el número de canal de la imagen,分别,y年代这是经线,这是安全。 安全的秘密,秘密的秘密,秘密的秘密。 |
Secuencia de imágenes 3D | Arreglo德h运动w运动d运动c运动年代,在哪里h,w,dyc对应的la altura, la anchura, la deep和el número de canal de la imagen,分别,y年代这是经线,这是安全。 安全的秘密,秘密的秘密,秘密的秘密。 |
Para predicres devueltos en tablas, los elements deben contener un escalar numérico, un vector fila numérico o un arreglo de celdas de 1 por 1 con un arreglo numérico。
计算公式依赖于计算面积。
他利亚 | 形式的las respuestas |
---|---|
Clasificación安全是一种礼节 | Escalar categorico |
Regresión de secuencia a uno | Escalar |
Regresión de secuencia向量 | 矢量fila numérico |
Clasificación secuencia一个secuencia |
安全的秘密,秘密的秘密,秘密的秘密。 |
Regresión secuencia一个secuencia |
安全的秘密,秘密的秘密,秘密的秘密。 |
Para respuestas devueltas en tablas, los element deen ser un escalar categórico, un escalar numérico, un vector fila numérico o un arreglo de celdas de 1 por 1 con un arreglo numérico。
Para obtener más información, consulte用于深度学习的数据存储.
Arreglo numérico o de celdas
帕拉拿督,quepan en la记忆y没有requieran procesamiento时会,科莫transformaciones personalizadas,喝水especificar una unica secuencia科莫arreglo numerico联合国conjunto de拿督阿德secuencias科莫联合国arreglo de celdas de arreglos numericos。Si特定的安全,可以为您提供有关celdas的信息numérico, también特定的论点反应
.
塞拉达斯的阿雷格洛·德·塞拉达斯的阿雷格洛·德·塞尔达斯的塞拉格洛·德·塞尔达斯NPor 1 de arreglos numéricos, dondeNEs el número de observaciones。El tamaño y a a forma del arreglo numérico que a representa a secuencia依赖于安全数据的提示。
Entrada | Descripcion |
---|---|
向量安全 | 矩阵德c运动年代,在哪里cEs el número de características de las secuencias y年代这是经线,这是安全。 |
安全保护imágenes 1D | Arreglos德h运动c运动年代,在哪里hyc通信la altura y el número de canal de las imágenes,分别,y年代这是经线,这是安全。 |
Secuencias de imágenes 2D | Arreglos德h运动w运动c运动年代,在哪里h,wyc通信a la altura, la anchura y el número de canales de las imágenes, respectivamente, y年代这是经线,这是安全。 |
Secuencias de imágenes 3D | Arreglos德h运动w运动d运动c运动年代,在哪里h,w,dyc对应一个la altura, la anchura, la deep y el número de canales de las imágenes 3D,分别,y年代这是经线,这是安全。 |
脂肪酸的trainNetwork
安全之门,安全之门。
Sugerencia
是对未来世界的预测
南
,“这是宣传,这是红色的,这是永恒的”。在这里,一切都是正常的。在我们的家园regresión,我们的生活正常了,我们的生活也正常了,我们的生活加快了。Para obtener más información, consulte前额una红色神经元旋对regresión.
介绍赤色大地的价值标准,la opción
SplitComplexInputs
De la capa De entrada debe ser1
.
数据提示:单
|双
|int8
|int16
|int32
|int64
|uint8
|uint16
|uint32
|uint64
|细胞
Soporte de números complejos:如果
特性
- - - - - -Datos de características
Almacén de datos|Arreglo numerico|手鼓
características,特别说明:
Tipo de datos | Descripcion | Ejemplo de uso | |
---|---|---|---|
Almacén de datos | TransformedDatastore |
Almacén de datos que transforma lotes de datos leídos de un almacén de datos subyacente mediante una función de transformación personalizada。 |
|
CombinedDatastore |
Almacén de datos que lee de dos o más almacenes de datos subyacentes。 |
|
|
Almacén个人资料 | Almacén个人资料和堕落的资料。 | 在神经系统中,有数据,有格式,没有兼容的数据。 Para obtener más详情,咨询开发自定义小批量数据存储. |
|
手鼓 | Datos de características特别值得注意的是。Si especifica características como tabla, también puede especificar qué columnas continenen las respuestas utilza do el argumento反应 . |
手鼓上的神经中枢。 | |
Arreglo numerico | 资料características特别资料numérico。Si speciifica características como arreglo numérico, también debe specific el argument to反应 . |
在神经系统中,我们有记忆,没有必要的过程,可以改变个人。 |
Almacén de datos
Los almacene de datos leen miniilotes de datos características y respuestas。关于我们的资料más关于我们的资料,在我们的记忆中,在我们的资料中。
一份名单,一份名单,一份直接相容的资料trainNetwork
Para datos de características。
Almacén个人资料。Para obtener más详情,咨询开发自定义小批量数据存储.
深度学习应用程序的综合数据和中间数据变换
y结合
.数据转换系统leídos数据转换系统,数据转换系统trainNetwork
.Para obtener más información, consulte用于深度学习的数据存储.
关于分项的规定,almacén关于客体的资料TransformedDatastore
oCombinedDatastore
.
El almacén de datos debe devolver datos en una tabla o arreglo de celdas。个人资料,个人资料,生产资料。El formato de la salida del almacén datos依赖de la arquitectura de red。
红色建筑 | Salida del almacén de datos | Ejemplo de salida |
---|---|---|
Capa de entrada única | Tabla o arreglo de celdas con dos column。 一开始,一开始,一段,一段,一段,一段,一段,一段,一段。 手鼓的基本要素,手鼓的基本要素,手鼓的基本要素,手鼓的基本要素,手鼓的基本要素numérico。 个人资料,个人资料,生产资料。 |
手鼓para red con una entrada和una salida: 数据=读取(ds) 表= 4×2数据预测的反应 __________________ ________ { 24×1双}2{24×1双}7{24×1双}9{24×1双}9 |
Arreglo de celdas para red con una entrada和una salida: 数据=读取(ds) Data = 4×2 cell array {24×1 double} {[2]} {24×1 double} {[7]} {24×1 double} {[9]} {24×1 double} {[9]} |
||
Capas de entrada múltiples | 阿雷洛·德·塞尔达斯con ( 拉斯维加斯霹雳马 这是上天的旨意,上天的旨意,上天的旨意 |
Arreglo de celdas para red con do entradas和una salida: 数据=读取(ds) 数据= 4×3 cell array {24×1 double} {28×1 double} {[2]} {24×1 double} {28×1 double} {[2]} {24×1 double} {28×1 double} {[9]} {24×1 double} {28×1 double} {[9]} |
Los predicters deben ser vectors column decPor 1, dondecEs el número de características。
计算公式依赖于计算面积。
他利亚 | 形式的las respuestas |
---|---|
Clasificacion | Escalar categorico |
Regresion |
|
Para obtener más información, consulte用于深度学习的数据存储.
手鼓
Para datos de características在记忆中没有需要的过程,可以改变个人的事情,有特殊的datos de características和需要的事情。
手鼓之声对应una observación。在手鼓的柱体上的调整预测和反应依赖于它。
他利亚 | 预测 | Respuestas |
---|---|---|
Clasificación de características | Características especificadas en una o más column como escalares。 没有特别的理由 |
Etiqueta categorica |
Regresión de características | Una o más专栏de valores escalares |
在天堂clasificación在天堂características,没有特别的理由反应
, la función, de forma predeterminada, utilizará las primeras column (numColumns - 1
)德资源描述
Para los predictoy la última column Para las etiquette, dondenumFeatures
Es el número de características de los datos de entrada。
在天堂regresión在天堂características,没有特别的理由responseNames
, la función, de forma predeterminada, utilizará las primeras columnnumFeatures
预言和柱体的后路和反应,唐德numFeatures
Es el número de características de los datos de entrada。
Arreglo numerico
Para datos de características在记忆中没有需要的程序,可以改变个人,特殊的datos de características como un reglo numérico。Si speciifica datos de características como arreglo numérico, también debe specific el argument反应
.
El arreglo numérico debe ser un arreglo numérico deN运动numFeatures
,在哪里NEs el número de observaciones ynumFeatures
Es el número de características de los datos de entrada。
Sugerencia
正常的睡眠时间,正常的睡眠时间,正常的睡眠时间,正常的睡眠时间,正常的睡眠时间,正常的睡眠时间regresión。Para obtener más información, consulte前额una红色神经元旋对regresión.
生命是无价的
南
.连续量测数据南
,“宣传是红色的”。罪恶的封锁,mayoría我们的命运,永远不会有转机。介绍赤色大地的价值标准,la opción
SplitComplexInputs
De la capa De entrada debe ser1
.
数据提示:单
|双
|int8
|int16
|int32
|int64
|uint8
|uint16
|uint32
|uint64
|表格
Soporte de números complejos:如果
混合
- - - - - -拿督mezclados
Almacén de datos
我的生活和生活,特别是我们的生活:
Tipo de datos | Descripcion | Ejemplo de uso |
---|---|---|
TransformedDatastore |
Almacén de datos que transforma lotes de datos leídos de un almacén de datos subyacente mediante una función de transformación personalizada。 |
|
CombinedDatastore |
Almacén de datos que lee de dos o más almacenes de datos subyacentes。 |
|
Almacén个人资料 | Almacén个人资料和堕落的资料。 | 在神经系统中,有数据,有格式,没有兼容的数据。 Para obtener más详情,咨询开发自定义小批量数据存储. |
深度学习应用程序的综合数据和中间数据变换
y结合
.数据转换系统leídos数据转换系统,数据转换系统trainNetwork
.Para obtener más información, consulte用于深度学习的数据存储.
El almacén de datos debe devolver datos en una tabla o arreglo de celdas。个人资料,个人资料,生产资料。El formato de la salida del almacén datos依赖de la arquitectura de red。
Salida del almacén de datos | Ejemplo de salida |
---|---|
阿雷洛·德·塞尔达斯con ( 拉斯维加斯霹雳马 这是上天的旨意,上天的旨意,上天的旨意 |
数据=读取(ds) 数据= 4×3 cell array {24×1 double} {28×1 double} {[2]} {24×1 double} {28×1 double} {[2]} {24×1 double} {28×1 double} {[9]} {24×1 double} {28×1 double} {[9]} |
Para entradas de predicaders de imagen, secuencia y característica, el formato de predicaders debe巧合的形式,在描述的形式,在描述的论证图片
,序列
o特性
, respectivamente。我的错误,我的反应方式,我的巧合,我的描述方式,我的描述方式,我的论证图片
,序列
o特性
这是我们的通讯员。
脂肪酸的trainNetwork
安全之门,安全之门。
Para ver un ejemplo de cómo entrenar una red con varas entradas, consulte训练网络图像和特征数据.
Sugerencia
Para convertir un arreglo numérico a un almacén de datos,使用
ArrayDatastore
.Cuando结合capas en una, con tipos de mezclados, puede que tenga que volver,建立el formato de los datos antes de pasarlos a una capa de combinación (como una capa de concatenación o una capa de suma)。关于建立数据格式的过渡,关于在平面上的空间空间的过渡dimensión关于运河,关于客体
FunctionLayer
这是一个人的世界,它建立了一种形式,一种形式。
反应
- - - - - -Respuestas
向量categorico|Arreglo numerico|Arreglo de celdas de secuencias|caracteres向量|Arreglo de celdas de vectors de caracteres|Arreglo de cadena
Respuestas。
Cuando洛拿督de entrada儿子联合国arreglo numerico o联合国arreglo de celdas especifique las respuestas科莫uno de los siguientes elementos。
矢量categórico de礼仪
Arreglo numérico de respuestas numéricas
Arreglo de celdas de secuencias categóricas o numéricas
手鼓中间的数据,手鼓中间的数据,手鼓中间的数据,手鼓中间的数据,手鼓中间的数据qué手鼓中间的数据,手鼓中间的数据,手鼓中间的数据,手鼓中间的数据,手鼓中间的数据,手鼓中间的数据,手鼓中间的数据,手鼓中间的数据,手鼓中间的数据,手鼓中间的数据,手鼓中间的数据,手鼓中间的数据,手鼓中间的数据,手鼓中间的数据,手鼓中间的数据
caracteres向量
Arreglo de celdas de vectors de caracteres
Arreglo de cadena
关于我们国家的问题numérico关于我们国家的问题,关于我们国家的问题,关于我们国家的问题。
他利亚 | Formato | |
---|---|---|
Clasificacion | Clasificación de imágenes | 矢量categórico de礼仪NPor 1, en el queNEs el número de observaciones。 |
Clasificación de características | ||
Clasificación安全是一种礼节 | ||
Clasificación secuencia一个secuencia | Arreglo de celdas deNPor 1 de secuencias categóricas de etiquette, en el queNEs el número de observaciones。秘密秘密之门número秘密秘密之预言者。 Para tareas de clasificación secuencia a secuencia con una observación, |
|
Regresion | Regresión de imágenes 2D |
|
Regresión de imágenes 3D |
|
|
Regresión de características | Matriz德N运动R, en la queNEs el número de observaciones yREs el número de respuestas。 |
|
Regresión de secuencia a uno | Matriz德N运动R, en la queNEs el número de secuencias yREs el número de respuestas。 | |
Regresión secuencia一个secuencia | Arreglo de celdas deNPor 1 de secuencias numéricas, dondeNEs el número关于安全的问题,关于安全的问题,关于不存在的问题的问题:
在天堂的天堂regresión安全的天堂observación, |
Sugerencia
正常的睡眠时间,正常的睡眠时间,正常的睡眠时间,正常的睡眠时间,正常的睡眠时间,正常的睡眠时间regresión。Para obtener más información, consulte前额una红色神经元旋对regresión.
Sugerencia
生命是无价的南
.连续量测数据南
,“宣传是红色的”。罪恶的封锁,mayoría我们的命运,永远不会有转机。
层
- - - - - -红帽子
arreglo层
|objetoLayerGraph
红色的帽子,特别是como arreglo层
u objetoLayerGraph
.
这是红色的,这是安全的,这是安全的层
Como argument to de entrada。我的家园,我的红心和我的客体SeriesNetwork
.
Una red gráfica acíclica dirigida (DAG)呈现Una estructura compleja in la que las capenen varias entradas和salidas。Para crear una red DAG,特别是la arquitectura de red como objectLayerGraph
Y utilice esa gráfica capas como argument to de entrada paratrainNetwork
.
脂肪酸的trainNetwork
安全之门,安全之门。
这是一个完整的制度深度学习层列表.
选项
- - - - - -爱你的人
TrainingOptionsSGDM
|TrainingOptionsRMSProp
|TrainingOptionsADAM
对你的感情,对你的感情TrainingOptionsSGDM
,TrainingOptionsRMSProp
oTrainingOptionsADAM
Devuelto por la funcióntrainingOptions
.
salida的论证
网
-红色entrenada
objetoSeriesNetwork
| objetoDAGNetwork
红色entrenada, deuelta como客体SeriesNetwork
oDAGNetwork
.
我的心是红色的层
,网
联合国反对SeriesNetwork
.我爱你,我爱你LayerGraph
,网
联合国反对DAGNetwork
.
信息
- Información de entrenamiento
Estructura
Información你的天堂,你的天堂,你的天堂numérico你的天堂iteración你的天堂。
Para tareas de clasificación,信息
大陆los siguentes campos:
TrainingLoss
: valores de función de pérdidaTrainingAccuracy
:精确性ValidationLoss
: valores de función de pérdidaValidationAccuracy
: precisiones de validaciónBaseLearnRate
: tasas de aprendizajeFinalValidationLoss
: pérdida de validación de la red devueltaFinalValidationAccuracy
: pérdida de validación de la red devueltaOutputNetworkIteration
: número de iteración de la red devuelta
我们的祖国regresión,信息
大陆los siguentes campos:
TrainingLoss
: valores de función de pérdidaTrainingRMSE
: RMSE de entrenamientoValidationLoss
: valores de función de pérdidaValidationRMSE
: valores RMSE de validaciónBaseLearnRate
: tasas de aprendizajeFinalValidationLoss
: pérdida de validación de la red devueltaFinalValidationRMSE
: RMSE de validación de la red devueltaOutputNetworkIteration
: número de iteración de la red devuelta
一个人的地震ValidationLoss
,ValidationAccuracy
,ValidationRMSE
,FinalValidationLoss
,FinalValidationAccuracy
yFinalValidationRMSE
cuando选项
具体资料validación。La opción de entrenamientoValidationFrequency
Determina en qué iteraciones calcula el software las métricas de validación。Las métricas de validación finales son un escalar。Los otros campos de la eststructura son vectorsfila, donde cada元素se通信con una iteración de entrenamiento。在软件上没有计算métricas de validación,在结构上有价值的通讯员南
.
在欧洲之家normalización爱的人,在西班牙opción爱的人BatchNormalizationStatistics
西文“人口”
, las métricas de validación结局suelen ser differents de las métricas de validación evaluadas durante el entrenamiento。为了我们的梦想normalización为了我们的梦想,为了我们的梦想,为了我们的梦想,为了我们的梦想。Para obtener más información, consultebatchNormalizationLayer
.
Más acerca de
守卫是控制的权利和保护的权利
深度学习工具箱™permite guardar reddes como archivos .mat durante el entrenamiento。Este guardado periódico结果特别útil那红色的,与之相连的伟大的,与之相连的,与之相连的,与之相连的,非常重要的时间。我们在一起,我们在一起razón, podrá,我们在一起última,我们在一起,我们在一起。Si desea quetrainNetwork
保卫控制的权利,保卫特别的权利opciónCheckpointPath
德trainingOptions
.没有什么特别的存在,trainingOptions
谴责联合国的错误。
trainNetwork
Asigna automáticamente nombres únicos a los archivos de redes de puntos de control。enelnombre de ejemplo,net_checkpoint__351__2018_04_12__18_09_52.mat
, 351 es el número de iteración,2018年_04_12
Es la fecha y18 _09_52
la hora a la quetrainNetwork
Guarda la red。Puede cargar un档案馆de de redes de puntos de control haaciendo doble clic清醒él o使用率el carando de carga en la línea de comandos。比如:
负载net_checkpoint__351__2018_04_12__18_09_52.mat
trainNetwork
.比如:
trainNetwork (XTrain TTrain、net.Layers选项)
Aritmética de coma flotante
Cuando entrena una red mediante la funcióntrainNetwork
O cuando USA las funciones de predicción O validación con objectsDAGNetwork
ySeriesNetwork
, el软件realiza estos cálculos utility zando aritmética de precisión简单y de coma flotante。Las funciones para entrenamiento, predicción y validación incluyentrainNetwork
,预测
,分类
y激活
.El software utility za aritmética de precisión simple cuando entra redes usando tanto las CPU como las GPU。
Referencias
[1]工藤,M.,富山,M. Shimbo。“使用穿过区域的多维曲线分类”模式识别信.第20卷,第11-13号,第1103-1111页。
[2]工藤,M.,富山,M. Shimbo。日语元音数据集.https://archive.ics.uci.edu/ml/datasets/Japanese+Vowels
Capacidades ampliadas
Soporte parallelo automático
Acelere código mediante la ejecución automática de cálculo Parallel mediante并行计算工具箱™。
Para ejutar el cálculo Para enelelo,建立la opción“ExecutionEnvironment”
在“multi-gpu”
o“平行”
.
UtilicetrainingOptions
Para establecer el entorno“ExecutionEnvironment”
Y的比例选项
一个trainNetwork
.Si没有建立“ExecutionEnvironment”
,trainNetwork
se ejecuta en una GPU si esta está不可用。
Para obtener más详情,咨询并行、gpu和云中扩展深度学习.
Arreglos GPU
Acelere código中间la ejecución en una unidad de procesamiento gráfico (GPU)中间并行计算工具箱™。
Para evitar错误de falta de memoria, la práctica建议没有移动的伟大的连接,de datos de entrenamiento a la GPU。En su lugar, enrene la red En una GPU utilzando
trainingOptions
Para establecer el entorno“ExecutionEnvironment”
在“汽车”
o“图形”
Y的比例选项
一个trainNetwork
.La opcion
ExecutionEnvironment
应“汽车”
o“图形”
Cuando los datos de entrada son:联合国
gpuArray
连续物体的不平等
gpuArray
有连续性对象
gpuArray
Un almacén关于数据的生产,关于劳动和生活的问题
gpuArray
Un almacén de datos que produce como salida tablas que continenen objects
gpuArray
Para obtener más información, consulte在图形处理器上运行MATLAB函数(并行计算工具箱).
历史版本
介绍en R2016aR2021b:trainNetwork
上帝automáticamente我们的灵魂pérdida我们的勇气南
Cuando entrena una red mediante la funcióntrainNetwork
,守护之心automáticamente拯救之路pérdida联合国的勇气南
.常态,un valor de pérdida de南
介绍英勇南
在这里parámetros在这里有红色的海洋,在这里有红色的海洋,在这里有红色的海洋válidas。" Este cambio ayuda "是一种特殊的问题,涉及到所有的问题。
在前面的版本,红色的象征entrenándose光辉的象征pérdida我们的勇气南
.
R2021a:Se eliminará el soporte para specific tablas de rutas de archivo MAT
具体安全资料funcióntrainNetwork
, el soporte para particular tablas de rutas de archiivo MAT se eliminará en una versión futura。
我的记忆里没有记忆的地方,我们可以使用almacén资料。Puede utilzar cualquier almacén de datos para leer sus datos y después utilitzar la función变换
Para transformer la salida del almacén de datos al formato que requiere la funcióntrainNetwork
.我爱你,我爱你,我不反对FileDatastore
oTabularTextDatastore
Y después transformar la salida utilzando la función变换
.
Abrir比如
Tiene una versión modificada de este ejemplo。¿Desea abrir este ejemplo con sus modificaciones?
MATLAB突击队
Ha hecho clic en unenlace que对应一个este commando de MATLAB:
弹射突击队introduciéndolo en la ventana de commandos de MATLAB。Los navegadores web no permission comandos de MATLAB。
您也可以从以下列表中选择一个网站:
如何获得最佳的网站性能
选择中国站点(中文或英文)以获得最佳站点性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。