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, iэлемент 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