深度学习导入和导出
从TensorFlow™-Keras、TensorFlow 2、ONNX™(开放神经网络交换)模型格式和Caffe导入网络和网络架构。您还可以将经过训练的深度学习工具箱™网络导出为ONNX模型格式。有关更多信息,请参见预训练的深度神经网络.
您必须有支持包才能运行深度学金宝app习工具箱中的导入和导出函数。如果没有安装支金宝app持包,每个功能都会在Add-On资源管理器中提供相应支持包的下载链接。推荐的做法是将支持包下载到MATLAB版本的默认位置金宝app®你在跑步。您也可以直接从以下链接下载支持包。金宝app
的
importONNXNetwork
,importONNXLayers
,importONNXFunction
,exportONNXNetwork
功能要求ONNX模型格式的深度学习工具箱转换器.如果需要下载支持包,请执行金宝app//www.tatmou.com/matlabcentral/fileexchange/67296-deep-learning-toolbox-converter-for-onnx-model-format.的
importTensorFlowNetwork
,importTensorFlowLayers
,importKerasNetwork
,importKerasLayers
需要TensorFlow模型的深度学习工具箱转换器.如果需要下载支持包,请执行金宝app//www.tatmou.com/matlabcentral/fileexchange/64649-deep-learning-toolbox-converter-for-tensorflow-models.的
importCaffeNetwork
而且importCaffeLayers
功能要求深度学习工具箱导入Caffe模型.如果需要下载支持包,请执行金宝app//www.tatmou.com/matlabcentral/fileexchange/61735-deep-learning-toolbox-importer-for-caffe-models.
功能
主题
- 从预训练的Keras层组装网络
这个示例展示了如何从预训练的Keras网络导入层,用自定义层替换不支持的层,并将这些层组装成一个网络,以便进行预测。金宝app
- 将不支持的Keras金宝app层替换为功能层
这个示例展示了如何从预训练的Keras网络导入层,用功能层替换不支持的层,并将这些层组装成一个网络,以便进行预测。金宝app
- TensorFlow与导入网络在图像分类中的推理比较
利用预先训练好的网络在TensorFlow中进行预测,并将网络导入MATLAB中
importTensorFlowNetwork
,然后比较TensorFlow与MATLAB网络的推理结果。 - ONNX与导入网络在图像分类中的推理比较
利用预先训练好的网络在ONNX中进行预测,并将网络导入MATLAB中
importONNXNetwork
,然后比较ONNX网络与MATLAB网络的推理结果。 - 基于导入TensorFlow网络的Simulink图像序列分类金宝app
导入预先训练好的TensorFlow网络
importTensorFlowNetwork
,然后在Simulink中使用Predict块进行图像分类金宝app®. - 使用MATLAB编译器部署导入网络
导入Keras和ONNX预训练的网络,并使用MATLAB编译器™.
- 选择Function导入ONNX预训练网络
导入ONNX预训练网络使用
importONNXNetwork
,importONNXLayers
,或importONNXFunction
.
相关信息
- //www.tatmou.com/matlabcentral/fileexchange/67296-deep-learning-toolbox-converter-for-onnx-model-format
- //www.tatmou.com/matlabcentral/fileexchange/64649-deep-learning-toolbox-converter-for-tensorflow-models
- //www.tatmou.com/matlabcentral/fileexchange/61735-deep-learning-toolbox-importer-for-caffe-models