Импортируйте предварительно обученную сеть Keras и веса
net = importKerasNetwork(modelfile)net = importKerasNetwork(modelfile,Name,Value)net = importKerasNetwork(modelfile)modelfile.
Эта функция требует Средства импорта Deep Learning Toolbox™ для пакета поддержки Моделей TensorFlow-Keras. Если этот пакет поддержки не установлен, функция обеспечивает ссылку на загрузку.
net = importKerasNetwork(modelfile,Name,Value)
Например, importKerasNetwork(modelfile,'WeightFile',weights) импортирует сеть из образцового файла modelfile и веса из файла веса weights. В этом случае modelfile может быть в HDF5 или формате JSON, и файл веса должен быть в формате HDF5.
Загрузите и установите Средство импорта Deep Learning Toolbox для пакета поддержки Моделей TensorFlow-Keras.
Введите importKerasNetwork в командной строке.
importKerasNetwork
Если Средство импорта Deep Learning Toolbox для пакета поддержки Моделей TensorFlow-Keras не установлено, то функция обеспечивает ссылку на необходимый пакет поддержки в Add-On Explorer. Чтобы установить пакет поддержки, щелкните по ссылке, и затем нажмите Install. Проверяйте, что установка успешна путем импорта сети из образцового файла 'digitsDAGnet.h5' в командной строке. Если необходимый пакет поддержки установлен, то функция возвращает объект DAGNetwork.
modelfile = 'digitsDAGnet.h5';
net = importKerasNetwork(modelfile)Warning: Saved Keras networks do not include classes. Classes
will be set to categorical(1:N), where N is the number of classes
in the classification output layer of the network. To specify
classes, use the 'Classes' argument.
net =
DAGNetwork with properties:
Layers: [13×1 nnet.cnn.layer.Layer]
Connections: [13×2 table]Задайте файл, чтобы импортировать. digitsDAGnet.h5 файла содержит направленный граф без петель сверточная нейронная сеть, которая классифицирует изображения цифр.
modelfile = 'digitsDAGnet.h5';Импортируйте сеть.
net = importKerasNetwork(modelfile)
Warning: Saved Keras networks do not include classes. Classes will be set to categorical(1:N), where N is the number of classes in the classification output layer of the network. To specify classes, use the 'Classes' argument.
net =
DAGNetwork with properties:
Layers: [13×1 nnet.cnn.layer.Layer]
Connections: [13×2 table]
Постройте сетевую архитектуру.
figure
plot(net);
title('DAG Network Architecture')
Задайте сеть и файлы веса, чтобы импортировать.
modelfile = 'digitsDAGnet.json'; weights = 'digitsDAGnet.weights.h5';
Это - направленный граф без петель сверточная нейронная сеть, обученная на данных о цифрах.
Импортируйте сетевую архитектуру и импортируйте веса из отдельных файлов. .json файл не имеет выходного слоя или информации о функции стоимости. Задайте выходной тип слоя, когда вы импортируете файлы.
net = importKerasNetwork(modelfile,'WeightFile',weights, ... 'OutputLayerType','classification')
Warning: Saved Keras networks do not include classes. Classes will be set to categorical(1:N), where N is the number of classes in the classification output layer of the network. To specify classes, use the 'Classes' argument.
net =
DAGNetwork with properties:
Layers: [13×1 nnet.cnn.layer.Layer]
Connections: [13×2 table]
Задайте образцовый файл.
modelfile = 'digitsDAGnet.h5';Задайте имена классов.
classNames = {'0','1','2','3','4','5','6','7','8','9'};Импортируйте сеть Keras с именами классов.
net = importKerasNetwork(modelfile,'Classes',classNames);Считайте изображение, чтобы классифицировать.
digitDatasetPath = fullfile(toolboxdir('nnet'),'nndemos','nndatasets', ... 'DigitDataset'); I = imread(fullfile(digitDatasetPath,'5','image4009.png'));
Классифицируйте изображение с помощью предварительно обученной сети.
label = classify(net,I);
Отобразите изображение и результат классификации.
figure
imshow(I)
title(['Classification result: ' char(label)])
importKerasNetwork может импортировать сеть со следующими типами слоя Keras с некоторыми ограничениями. Если сеть содержит какой-либо другой тип слоя, то программное обеспечение возвращает сообщение об ошибке. Чтобы импортировать только сетевую архитектуру и веса, используйте функцию importKerasLayers.
Поддерживаемые слои Keras
| Слой Keras | Слой Deep Learning Toolbox |
|---|---|
Add | additionLayer |
| Слои:
|
Усовершенствованные активации:
| Слои: |
AveragePooling2D | averagePooling2dLayer |
BatchNormalization | batchNormalizationLayer |
Bidirectional(LSTM(__)) | bilstmLayer |
Concatenate | depthConcatenationLayer |
Conv2D | convolution2dLayer |
Conv2DTranspose | transposedConv2dLayer |
DepthwiseConv2D | groupedConvolution2dLayer |
Dense | fullyConnectedLayer |
Dropout | dropoutLayer |
Embedding | wordEmbeddingLayer (Text Analytics Toolbox™) |
Flatten | nnet.keras.layer.FlattenCStyleLayer |
GlobalAveragePooling2D | nnet.keras.layer.GlobalAveragePooling2DLayer |
Input | imageInputLayer |
LeakyReLU | leakyReluLayer |
LSTM | lstmLayer |
MaxPooling2D | maxPooling2dLayer |
SeparableConv2D | groupedConvolution2dLayer и convolution2dLayer |
ZeroPadding2D | nnet.keras.layer.ZeroPadding2DLayer |
importKerasNetwork поддерживает следующие функции потерь Keras:
mean_squared_error
categorical_crossentropy
sparse_categorical_crossentropy
binary_crossentropy
Чтобы использовать предварительно обученную сеть для прогноза или передачи, учащейся на новых изображениях, необходимо предварительно обработать изображения таким же образом, как изображения, используемые, чтобы обучить импортированную модель, были предварительно обработаны. Изменение размеров изображений, вычитание среднего изображения и преобразование изображений от RGB до формата BGR являются наиболее распространенными операциями предварительной обработки.
Для получения дополнительной информации о предварительной обработке изображений для обучения и прогноза, смотрите, Предварительно обрабатывают Изображения для Глубокого обучения.
[1] Keras: библиотека Python Deep Learning. https://keras.io.
exportONNXNetwork | importCaffeLayers | importCaffeNetwork | importKerasLayers | importONNXLayers | importONNXNetwork