用于图像分类的挤压网预训练模型是R2020a中深度学习工具箱的一部分,不需要单独安装。如果您使用的是R2020a版本的深度学习工具箱,则可以在命令行中键入“squeezenet”,或直接访问模型,而无需从深度网络设计器应用程序安装。
如果您使用的是R2018a到R2019b,则需要下载并安装此支持包。金宝app
SqueezeNet是在ImageNet数据库的子集上训练的预训练模型。该模型对100多万张图像进行训练,可以将图像分为1000个对象类别(例如键盘、鼠标、铅笔和许多动物)。
从您的操作系统或从MATLAB中打开squeezenet.mlpkginstall文件将启动您的版本的安装过程。
此mlpkginstall文件适用于R2018a及更高版本。
用法示例:
net=squezenet()
网。层
地块(净)
%阅读图像进行分类
I=imread('peppers.png');
%将图像裁剪为网络的输入大小
sz=净层(1).InputSize
I=I(100:sz(1)+99,100:sz(2)+99,1:sz(3));
%使用挤压网对图像进行分类
分类(净额,I)
%显示图像和分类结果
图形
imshow(I)
文本(10、20、字符(标签)、“颜色”、“白色”)
詹姆斯·昂,你的问题解决了吗。如果是,请告诉我如何安装squeezenet,因为我也面临同样的问题
嗨,伙计们,我安装这个网络有问题。在插件管理器中,它说它已成功安装,但我一直收到下面的错误消息。有什么想法吗?非常感谢。
>>净=挤压净
使用挤压网时出错(第51行)
squeezenet需要squeezenet网络支持包的深度学习工具箱模型。要安装此支持包,请使用金宝app
加载项资源管理器。
你好
我在尝试重新训练网络时注意到一个错误。
使用列车网络时出错(第150行)
无效网络。
原因:
层“fire2 concat”:缺少输入。每个层的输入必须连接到另一层的输出。
检测到丢失的输入:
输入'in2'
对纠正这个问题有什么建议吗?
迈克尔
我想创建一个特殊的层,为数据添加一些特殊的噪声。但是我的matlab版本是2017b,我没有“gaussianNoiseLayer.m”这个例子。在Matlab2018b版本中,该文件应位于(matlabroot,'examples','nnet','main','gaussianNoiseLayer.m')。
我很想知道添加噪声层的编码结构。如果任何善良的人安装了最新版本的matlab,你能给我发一份这个文件的副本吗?电邮:xjy1236@sina.com
非常感谢你!!