ResNet-101是一个经过ImageNet数据库子集训练的预训练模型。该模型对100多万幅图像进行训练，共347层，对应101层残差网络，可将图像分类为1000个对象类别(如键盘、鼠标、铅笔和许多动物)。
打开resnet101。mlpkginstall文件，从您的操作系统或MATLAB将启动安装过程，您有。
这个mlpkginstall文件适用于R2017b和更高版本。
使用的例子:
%访问训练过的模型
网= resnet101 ();
％看架构的详细信息
Net.Layers.
读取要分类的图像
I = imread(“peppers.png”);
%调整图像大小
深圳= net.Layers (1) .InputSize
我=(1:深圳(1),1:深圳(2),1:深圳(3));
％使用Reset-101对图像进行分类
分类(净额，I)
%显示图像和分类结果
数字
imshow(我)
文本(10年,20年,char(标签),“颜色”,“白”)
评论和评级（9）
Matlab释放兼容性
用R2017B创建
兼容R2017B至R2021A
平台的兼容性
视窗 macOS Linux类别
标签
你也可以从以下列表中选择一个网站:
无法下载，错误
谢谢楼主分享!
我想知道，如果我使用这个模型来训练和测试我的数据，我可以绘制训练进度吗?
我应该怎么办？
感谢您的实现。
对于所有的用户，请注意，如果您根据MATLAB教程调整这个模型用于您的分类任务，分类层被称为“ClassificationLayer_predictions”，而不是Resnet50的“ClassificationLayer_fc1000”。改变最后两个层(忽略中间的softmax层，它将自己相应的形状):
网= resnet101;
numClasses =元素个数(类别(imdsTrain.Labels))
lgraph = layerGraph(净);
newFCLayer = fullyConnectedLayer (numClasses‘名’,‘new_fc’,‘WeightLearnRateFactor’,10日BiasLearnRateFactor, 10);
lgraph = replaceLayer (lgraph fc1000, newFCLayer);
newClassLayer = classificationLayer(“名字”,“new_classoutput”);
lgraph = replaceLayer (lgraph ClassificationLayer_predictions, newClassLayer);
再次，感谢您的加载项。
你能帮助如何安装resnet101吗?mlpkginstall文件。
我尝试了环境->附加->获得硬件支持包。金宝app
但无法安装该文件。
等待你的回复…
好了!我希望在未来也支持其他类型的网络，如目标检测网络金宝app