activations
Класс: dlhdl.Workflow
Пакет: dlhdl
Получите промежуточные результаты слоя для развернутой нейронной сети для глубокого обучения
Описание
activations( возвращает промежуточные результаты данных об активации слоя для данных изображения в imIn,layername)imIn, и имя слоя задано в layername. Размер результата зависит от выходного размера слоя. Выходной размер слоя может быть получен при помощи analyzeNetwork.
activations(возвращает промежуточные результаты данных об активации слоя для данных изображения в imIn,layername, Name,Value)imIn, и имя слоя задано в layername, с дополнительными опциями, заданными одним или несколькими Name,Value парные аргументы. Размер результата зависит от выходного размера слоя. Выходной размер слоя может быть получен при помощи analyzeNetwork.
Примеры
Получите результаты активации слоя
Получите результаты активации LogoNet
maxpool_3 слой для данного входного изображения.
Создайте файл в своей текущей рабочей директории под названием getLogoNetwork.m. Введите эти линии в файл:
function net = getLogoNetwork() data = getLogoData(); net = data.convnet; end function data = getLogoData() if ~isfile('LogoNet.mat') url = 'https://www.mathworks.com/supportfiles/gpucoder/cnn_models/logo_detection/LogoNet.mat'; websave('LogoNet.mat',url); end data = load('LogoNet.mat'); end
snet = getLogoNetwork(); hT = dlhdl.Target('Xilinx'); hW = dlhdl.Workflow('Network','snet','Bitstream','zcu102_single','target',hT); image = imread('heineken.png'); inputImg = imresize(image, [227, 227]); imIn = single(inputImg); results = hW.activations(imIn,'maxpool_3','Profiler','on');
Результатом выполнения кода являются 25 25 384 матрицами для results и
Deep Learning Processor Profiler Performance Results
LastLayerLatency(cycles) LastLayerLatency(seconds) FramesNum Total Latency Frames/s
------------- ------------- --------- --------- ---------
Network 32497812 0.14772 1 32497822 6.8
conv_module 32497812 0.14772
conv_1 6953894 0.03161
maxpool_1 3305128 0.01502
conv_2 10397281 0.04726
maxpool_2 1207938 0.00549
conv_3 9267269 0.04212
maxpool_3 1366383 0.00621
* The clock frequency of the DL processor is: 220MHzВходные параметры
imIn — Введите измененное изображение к нейронной сети для глубокого обучения
единственный
Введите изображение, измененное, чтобы совпадать с входным размером изображения слоя изображения нейронной сети для глубокого обучения.
Пример: Чтобы считать входное изображение, измените размер его к 227x227, и преобразуйте его в одно использование:
Используйте это изображение, чтобы запустить код:
image = imread('heineken.png');
inputImg = imresize(image, [227, 227]);
imIn = single(inputImg);Пример: imIn
layername — Имя слоя в развернутой нейронной сети для глубокого обучения
''(значение по умолчанию) | вектор символов
Имя слоя в развернутой нейронной сети для глубокого обучения, результаты которой получены для изображения, заданного в imIn.
Слой должен иметь тип Convolution, Fully Connected, Max Pooling, ReLU, или DropoutСвертка и Fully Connected слои позволены, пока они не сопровождаются ReLU слой.
Пример: 'maxpool_3'
Аргументы в виде пар имя-значение
Задайте дополнительные разделенные запятой пары Name,Value аргументы. Name имя аргумента и Value соответствующее значение. Name должен появиться в кавычках. Вы можете задать несколько аргументов в виде пар имен и значений в любом порядке, например: Name1, Value1, ..., NameN, ValueN.