Импортируйте предварительно обученную сеть Keras и веса
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 файла модели 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 файла модели 'digitsDAGnet.h5' в командной строке. Если необходимый пакет поддержки установлен, то функция возвращает DAGNetwork объект.
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. Файл digitsDAGnet.h5 содержит направленную сверточную нейронную сеть графа без петель, 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 - направленная сверточная нейронная сеть графа без петель, 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 файл модели.
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 importKerasLayers функция.
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.cnn.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 в прогнозе или передаче, 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