Импортируйте предварительно обученную сеть ONNX
net = importONNXNetwork(modelfile,'OutputLayerType',outputtype)modelfile и задает выходной тип слоя импортированной сети.
Эта функция требует Конвертера Deep Learning Toolbox™ для пакета поддержки Формата Модели ONNX. Если этот пакет поддержки не установлен, то функция обеспечивает ссылку на загрузку.
net = importONNXNetwork(modelfile,'OutputLayerType',outputtype,'Classes',classes)
Загрузите и установите Конвертер Deep Learning Toolbox для пакета поддержки Формата Модели ONNX.
Введите importONNXNetwork в командной строке.
importONNXNetwork
Если Конвертер Deep Learning Toolbox для Формата Модели ONNX не установлен, 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 'cifarResNet.onnx' в командной строке. Если пакет поддержки установлен, то функция возвращает DAGNetwork объект.
modelfile = 'cifarResNet.onnx'; classes = ["airplane" "automobile" "bird" "cat" "dee" "dog" "frog" "horse" "ship" "truck"]; net = importONNXNetwork(modelfile,'OutputLayerType','classification','Classes',classes)
net =
DAGNetwork with properties:
Layers: [77×1 nnet.cnn.layer.Layer]
Connections: [85×2 table]Импортируйте остаточную нейронную сеть, обученную на наборе данных CIFAR-10. Задайте файл, содержащий сеть ONNX, ее выходной тип и ее выходные классы.
modelfile = 'cifarResNet.onnx'; classes = ["airplane" "automobile" "bird" "cat" "deer" "dog" "frog" "horse" "ship" "truck"]; net = importONNXNetwork(modelfile, ... 'OutputLayerType','classification', ... 'Classes',classes)
net =
DAGNetwork with properties:
Layers: [77×1 nnet.cnn.layer.Layer]
Connections: [85×2 table]
Анализируйте импортированную сеть.
analyzeNetwork(net)
Если сеть ONNX содержит слой, который не поддерживает Конвертер Deep Learning Toolbox для Формата Модели ONNX, то функция возвращает сообщение об ошибке. В этом случае можно все еще использовать importONNXLayers импортировать сетевую архитектуру и веса.
importONNXNetwork поддерживает следующие слои ONNX, с некоторыми ограничениями:
| Слой ONNX | Слой Deep Learning Toolbox |
|---|---|
| additionLayer или nnet.onnx.layer.ElementwiseAffineLayer |
| averagePooling2dLayer |
| batchNormalizationLayer |
| nnet.onnx.layer.ClipLayer |
| concatenationLayer |
| Ни один (Импортированный как веса) |
| convolution2dLayer |
| transposedConv2dLayer |
| nnet.onnx.layer.ElementwiseAffineLayer |
| dropoutLayer |
| nnet.onnx.layer.FlattenLayer или nnet.onnx.layer.Flatten3dLayer |
| eluLayer |
| nnet.onnx.layer.FlattenLayer и fullyConnectedLayer если сеть ONNX является текущей, в противном случае fullyConnectedLayer |
| globalAveragePooling2dLayer |
| globalMaxPooling2dLayer |
| gruLayer |
| nnet.onnx.layer.IdentityLayer |
| nnet.onnx.layer.ElementwiseAffineLayer |
| leakyReluLayer |
| CrossChannelNormalizationLayer |
| lstmLayer или bilstmLayer |
| fullyConnectedLayer |
| maxPooling2dLayer |
| nnet.onnx.layer.ElementwiseAffineLayer |
| nnet.onnx.layer.PReluLayer |
| reluLayer или clippedReluLayer |
| nnet.onnx.layer.FlattenLayer |
| nnet.onnx.layer.SigmoidLayer |
| |
| nnet.onnx.layer.ElementwiseAffineLayer |
| additionLayer |
| tanhLayer |
Можно импортировать сеть ONNX с несколькими входными параметрами и одним выходом с помощью importONNXNetwork. Если сеть имеет несколько выходных параметров, используйте importONNXLayers. importONNXLayers функция вставляет слои заполнителя для выходных параметров. После импорта можно найти и заменить слои заполнителя при помощи findPlaceholderLayers и replaceLayer, соответственно. Для примера смотрите Импорт Сеть ONNX с Несколькими Выходными параметрами. Чтобы узнать о нейронной сети для глубокого обучения с несколькими входными параметрами и несколькими выходными параметрами, смотрите Несколько - Вход и Несколько - Выходные Сети.
Чтобы использовать предварительно обученную сеть в предсказании или передаче обучения на новых изображениях, необходимо предварительно обработать изображения таким же образом изображения, которые использовались, чтобы обучаться, импортированная модель были предварительно обработаны. Наиболее распространенные шаги предварительной обработки изменяют размер изображений, вычитая средние значения изображений, и преобразовывая изображения от изображений BGR до RGB.
Для получения дополнительной информации о предварительной обработке изображений для обучения и предсказания, смотрите, Предварительно обрабатывают Изображения для Глубокого обучения.
exportONNXNetwork | importCaffeLayers | importCaffeNetwork | importKerasLayers | importKerasNetwork | importONNXLayers