В Deep Learning Toolbox™ вы можете архитектура сети define с несколькими входными параметрами (например, сети, обученные на многочисленных источниках и типах данных) или несколько выходных параметров (например, сети, который предсказывает и классификацию и ответы регрессии).
Задайте сети с несколькими входными параметрами, когда сеть потребует данных из многочисленных источников или в различных форматах. Например, сети, которые требуют данных изображения, полученных от нескольких датчиков в различных разрешениях.
Чтобы задать и обучить нейронную сеть для глубокого обучения с несколькими входными параметрами, задайте сетевую архитектуру с помощью layerGraph
возразите и обучите использование trainNetwork
функция путем определения нескольких входных параметров с помощью combinedDatastore
или transformedDatastore
объект.
Для сетей с несколькими входными параметрами datastore должен быть объединенным или преобразованным datastore, который возвращает массив ячеек с (numInputs
+1) столбцы, содержащие предикторы и ответы, где numInputs
количество сетевых входных параметров и numResponses
количество ответов. Для i
меньше чем или равный numInputs
, i
элемент th массива ячеек соответствует входу layers.InputNames(i)
, где layers
график слоя, задающий сетевую архитектуру. Последний столбец массива ячеек соответствует ответам.
Если сеть также имеет несколько выходных параметров, то необходимо задать сеть как функцию и обучить сеть с помощью пользовательского учебного цикла. для получения дополнительной информации смотрите Несколько - Выходные Сети.
Чтобы сделать прогнозы на обученной нейронной сети для глубокого обучения с несколькими входными параметрами, используйте любого predict
или classify
функции и задают несколько входных параметров с помощью combinedDatastore
или transformedDatastore
объект.
Задайте сети с несколькими выходными параметрами для задач, требующих множественных ответов в различных форматах. Например, задачи, требующие и категориального и числового выхода.
Чтобы обучить нейронную сеть для глубокого обучения с несколькими выходными параметрами, задайте сеть как функцию и обучите ее с помощью пользовательского учебного цикла. Для примера смотрите, Обучат сеть с Несколькими Выходными параметрами.
Чтобы сделать прогнозы с помощью функции модели, используйте функцию модели непосредственно обученными параметрами. Для примера смотрите, Делают Прогнозы Используя Функцию Модели.
В качестве альтернативы преобразуйте функцию модели в DAGNetwork
объект с помощью functionToLayerGraph
и assembleNetwork
функции. С собранной сетью можно использовать predict
функция для DAGNetwork
объекты, который позволяет вам:
Сделайте прогнозы с входом datastore непосредственно.
Сохраните сеть в файле MAT.
Используйте возможности, предоставленные predict
функция для DAGNetwork
объекты.
Для примера смотрите, Собирают Несколько - Выходная Сеть для Прогноза.
assembleNetwork
| functionToLayerGraph
| predict