Сгенерируйте код MATLAB от Deep Network Designer

Приложение Deep Network Designer позволяет вам сгенерировать код MATLAB^®, который воссоздает создание, редактирование и обучение сети в приложении.

Во вкладке Designer можно сгенерировать live скрипт к:

Воссоздайте слои в своей сети. Выберите Export> Generate Code.

Воссоздайте слои в своей сети, включая любые начальные параметры. Выберите Export> Generate Code with Initial Parameters.

Во вкладке Training можно сгенерировать live скрипт к:

Воссоздайте создание и обучение сети классификации изображений, которую вы создаете в Deep Network Designer. Выберите Export> Generate Code for Training.

Сгенерируйте код MATLAB, чтобы воссоздать слоя сети

Сгенерируйте код MATLAB для воссоздания сети, созданной в Deep Network Designer. Во вкладке Designer выберите одну из этих опций:

Чтобы воссоздать слои в вашей сети, выберите Export> Generate Code. Эта сеть не содержит начальные параметры, такие как предварительно обученные веса.
Чтобы воссоздать слои в вашей сети, включая любые начальные параметры, выбирают Export> Generate Code with Initial Parameters. Приложение создает live скрипт и MAT-файл, содержащий начальные параметры (веса и смещения) от вашей сети. Запустите скрипт, чтобы воссоздать слоя сети, включая настраиваемые параметры из MAT-файла. Используйте эту опцию, чтобы сохранить веса, если вы хотите использовать обучение с переносом.

Выполнение сгенерированного скрипта возвращает сетевую архитектуру как переменную в рабочей области. В зависимости от сетевой архитектуры переменная является графиком слоев под названием lgraph или массив слоя под названием layers.

Можно предоставить сгенерированный график слоев или массив слоя к trainNetwork функция. Например, примите, что слои, произведенные сгенерированным кодом, называют lgraph_1, изображения находятся в увеличенном datastore изображений под названием images и options содержит опции обучения. Чтобы обучить сеть, введите:

trainedNet = trainNetwork(images,lgraph_1,options)

Для примера обучения сети, экспортируемой от Deep Network Designer, смотрите, Создают Простую Сеть Классификации Последовательностей Используя Deep Network Designer.

Сгенерируйте код MATLAB, чтобы обучить сеть

Чтобы воссоздать конструкцию и обучение сети классификации изображений в Deep Network Designer, сгенерируйте код MATLAB. Для примера использования Deep Network Designer, чтобы обучить сеть, смотрите Передачу обучения с Deep Network Designer.

Если обучение завершено на вкладке Training, выберите Export> Generate Code for Training. Приложение создает live скрипт и MAT-файл, содержащий начальные параметры (веса и смещения) от вашей сети. Если вы импортируете данные как datastore изображений затем, это также содержится в сгенерированном MAT-файле.

Выполнение сгенерированного скрипта создает сеть (включая настраиваемые параметры из MAT-файла), импортирует данные, устанавливает опции обучения и обучает сеть. Исследуйте сгенерированный скрипт, чтобы изучить, как создать и обучить сеть в командной строке.

Используйте сеть в предсказании

Предположим, что обучивший сеть содержится в переменной net. Чтобы использовать обученную сеть классификации изображений в предсказании, используйте predict функция. Например, используйте сеть, чтобы предсказать класс peppers.png.

img = imread("peppers.png");
img = imresize(img, net.Layers(1).InputSize(1:2));
label = predict(net, img);
imshow(img);
title(label);

Ссылки

[1] Kudo, Mineichi, Юн Тояма и Масару Шимбо. “Многомерная Классификация Кривых Используя Прохождение через области”. Буквы Распознавания образов 20, № 11-13 (ноябрь 1999): 1103–11. https://doi.org/10.1016/S0167-8655 (99) 00077-X.

[2] Kudo, Mineichi, Юн Тояма и Масару Шимбо. Японский Набор данных Гласных. Распределенный Репозиторием Машинного обучения UCI. https://archive.ics.uci.edu/ml/datasets/Japanese+Vowels.

Документация