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 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)
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.
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);
[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.
Deep Network Designer | trainNetwork
| trainingOptions