Несколько - вход и несколько - Выходные сети

В Deep Learning Toolbox™ вы можете архитектуры 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).

Несколько - входные сети

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.

Обучение

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 слоев, задающий сетевую архитектуру. Последний столбец массива ячеек соответствует ответам.

Совет

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.

Предсказание

Чтобы сделать предсказания 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.

Несколько - Выходные сети

Задайте сети с несколькими выходными параметрами для задач, требующих множественных ответов в различных форматах. Например, задачи, требующие и категориального и числового выхода.

Обучение

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.

Предсказание

Чтобы сделать предсказания с помощью функции модели, используйте функцию модели непосредственно обученными параметрами. Для примера смотрите, Делают Предсказания 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 предсказания 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 Предсказания.

Смотрите также

| |

Похожие темы

Для просмотра документации необходимо авторизоваться на сайте