Exponenta Banner
exponenta event banner

addParameter

Добавьте параметр в ONNXParameters объект

свернуть все на странице

    Синтаксис

    params = addParameter(params,name,value,type)
    params = addParameter(params,name,value,type,NumDimensions)

    Описание

    пример

    params = addParameter(params,name,value,type) добавляет сетевой параметр, заданный nameЗначение, и type к ONNXParameters объект params. Возвращенный params объект содержит параметры модели входного параметра params вместе с добавленным параметром, сложенным последовательно. Добавленный параметр name должно быть уникальным, непустым, и отличаться от названий параметра в params.

    params = addParameter(params,name,value,type,NumDimensions) добавляет сетевой параметр, заданный nameЗначениеВвод, и NumDimensions к params.

    Примеры

    свернуть все

    Этот пример использует:

    Скрипт Open Live Script

    Импортируйте сеть, сохраненную в формате ONNX как функция, и измените сетевые параметры.

    Создайте модель ONNX из предварительно обученного alexnet сеть. Затем импортируйте alexnet.onnx как функция. Импортируйте предварительно обученную сеть ONNX с помощью importONNXFunction, который возвращает ONNXParamaters объект, который содержит сетевые параметры. Функция также создает новую функцию модели в текущей папке, которая содержит сетевую архитектуру. Задайте имя функции модели как alexnetFcn.

    net = alexnet;
exportONNXNetwork(net,'alexnet.onnx');
params = importONNXFunction('alexnet.onnx','alexnetFcn');
    A function containing the imported ONNX network has been saved to the file alexnetFcn.m.
To learn how to use this function, type: help alexnetFcn.

    Отобразите параметры, которые обновляются во время обучения (params.Learnables) и параметры, которые остаются неизменными во время обучения (params.Nonlearnables).

    params.Learnables
    ans = struct with fields:
    data_Mean: [227×227×3 dlarray]
      conv1_W: [11×11×3×96 dlarray]
      conv1_B: [96×1 dlarray]
      conv2_W: [5×5×48×256 dlarray]
      conv2_B: [256×1 dlarray]
      conv3_W: [3×3×256×384 dlarray]
      conv3_B: [384×1 dlarray]
      conv4_W: [3×3×192×384 dlarray]
      conv4_B: [384×1 dlarray]
      conv5_W: [3×3×192×256 dlarray]
      conv5_B: [256×1 dlarray]
        fc6_W: [6×6×256×4096 dlarray]
        fc6_B: [4096×1 dlarray]
        fc7_W: [1×1×4096×4096 dlarray]
        fc7_B: [4096×1 dlarray]
        fc8_W: [1×1×4096×1000 dlarray]
        fc8_B: [1000×1 dlarray]


    params.Nonlearnables
    ans = struct with fields:
            conv1_Stride: [1×2 dlarray]
    conv1_DilationFactor: [1×2 dlarray]
           conv1_Padding: [1×1 dlarray]
          pool1_PoolSize: [1×2 dlarray]
            pool1_Stride: [1×2 dlarray]
           pool1_Padding: [1×1 dlarray]
            conv2_Stride: [1×2 dlarray]
    conv2_DilationFactor: [1×2 dlarray]
           conv2_Padding: [2×2 dlarray]
          pool2_PoolSize: [1×2 dlarray]
            pool2_Stride: [1×2 dlarray]
           pool2_Padding: [1×1 dlarray]
            conv3_Stride: [1×2 dlarray]
    conv3_DilationFactor: [1×2 dlarray]
           conv3_Padding: [2×2 dlarray]
            conv4_Stride: [1×2 dlarray]
    conv4_DilationFactor: [1×2 dlarray]
           conv4_Padding: [2×2 dlarray]
            conv5_Stride: [1×2 dlarray]
    conv5_DilationFactor: [1×2 dlarray]
           conv5_Padding: [2×2 dlarray]
          pool5_PoolSize: [1×2 dlarray]
            pool5_Stride: [1×2 dlarray]
           pool5_Padding: [1×1 dlarray]
              fc6_Stride: [1×2 dlarray]
      fc6_DilationFactor: [1×2 dlarray]
             fc6_Padding: [1×1 dlarray]
              fc7_Stride: [1×2 dlarray]
      fc7_DilationFactor: [1×2 dlarray]
             fc7_Padding: [1×1 dlarray]
              fc8_Stride: [1×2 dlarray]
      fc8_DilationFactor: [1×2 dlarray]
             fc8_Padding: [1×1 dlarray]

    Сеть имеет параметры, которые представляют три полносвязных слоя. Можно добавить полносвязный слой в исходных параметрах params между слоями fc7 и fc8. Новый слой может увеличить точность классификации.

    Назовите новый слой fc9, потому что каждое добавленное название параметра должно быть уникальным. addParameter функция всегда добавляет новый параметр последовательно в params.Learnables или params.Nonlearnables структура. Порядок слоев в функциональном alexnetFcn модели определяет порядок, в котором выполняются слоя сети. Порядок или имена параметров не влияют на порядок выполнения.

    Добавьте новый полносвязный слой fc9 теми же параметрами как fc7.

    params = addParameter(params,'fc9_W',params.Learnables.fc7_W,'Learnable');
params = addParameter(params,'fc9_B',params.Learnables.fc7_B,'Learnable');
params = addParameter(params,'fc9_Stride',params.Nonlearnables.fc7_Stride,'Nonlearnable');
params = addParameter(params,'fc9_DilationFactor',params.Nonlearnables.fc7_DilationFactor,'Nonlearnable');
params = addParameter(params,'fc9_Padding',params.Nonlearnables.fc7_Padding,'Nonlearnable');

    Отобразите обновленные learnable и nonlearnable параметры.

    params.Learnables
    ans = struct with fields:
    data_Mean: [227×227×3 dlarray]
      conv1_W: [11×11×3×96 dlarray]
      conv1_B: [96×1 dlarray]
      conv2_W: [5×5×48×256 dlarray]
      conv2_B: [256×1 dlarray]
      conv3_W: [3×3×256×384 dlarray]
      conv3_B: [384×1 dlarray]
      conv4_W: [3×3×192×384 dlarray]
      conv4_B: [384×1 dlarray]
      conv5_W: [3×3×192×256 dlarray]
      conv5_B: [256×1 dlarray]
        fc6_W: [6×6×256×4096 dlarray]
        fc6_B: [4096×1 dlarray]
        fc7_W: [1×1×4096×4096 dlarray]
        fc7_B: [4096×1 dlarray]
        fc8_W: [1×1×4096×1000 dlarray]
        fc8_B: [1000×1 dlarray]
        fc9_W: [1×1×4096×4096 dlarray]
        fc9_B: [4096×1 dlarray]


    params.Nonlearnables
    ans = struct with fields:
            conv1_Stride: [1×2 dlarray]
    conv1_DilationFactor: [1×2 dlarray]
           conv1_Padding: [1×1 dlarray]
          pool1_PoolSize: [1×2 dlarray]
            pool1_Stride: [1×2 dlarray]
           pool1_Padding: [1×1 dlarray]
            conv2_Stride: [1×2 dlarray]
    conv2_DilationFactor: [1×2 dlarray]
           conv2_Padding: [2×2 dlarray]
          pool2_PoolSize: [1×2 dlarray]
            pool2_Stride: [1×2 dlarray]
           pool2_Padding: [1×1 dlarray]
            conv3_Stride: [1×2 dlarray]
    conv3_DilationFactor: [1×2 dlarray]
           conv3_Padding: [2×2 dlarray]
            conv4_Stride: [1×2 dlarray]
    conv4_DilationFactor: [1×2 dlarray]
           conv4_Padding: [2×2 dlarray]
            conv5_Stride: [1×2 dlarray]
    conv5_DilationFactor: [1×2 dlarray]
           conv5_Padding: [2×2 dlarray]
          pool5_PoolSize: [1×2 dlarray]
            pool5_Stride: [1×2 dlarray]
           pool5_Padding: [1×1 dlarray]
              fc6_Stride: [1×2 dlarray]
      fc6_DilationFactor: [1×2 dlarray]
             fc6_Padding: [1×1 dlarray]
              fc7_Stride: [1×2 dlarray]
      fc7_DilationFactor: [1×2 dlarray]
             fc7_Padding: [1×1 dlarray]
              fc8_Stride: [1×2 dlarray]
      fc8_DilationFactor: [1×2 dlarray]
             fc8_Padding: [1×1 dlarray]
              fc9_Stride: [1×2 dlarray]
      fc9_DilationFactor: [1×2 dlarray]
             fc9_Padding: [1×1 dlarray]

    Измените архитектуру функции модели, чтобы отразить изменения в params таким образом, можно использовать сеть для предсказания новыми параметрами или переобучить сеть. Откройте функцию модели при помощи open alexnetFcn и добавьте полносвязный слой fc9 между слоями fc7 и fc8.

    Входные параметры

    свернуть все

    Сетевые параметры в виде ONNXParameters объект. params содержит сетевые параметры импортированной модели ONNX™.

    Имя параметра в виде вектора символов или строкового скаляра.

    Пример: 'conv2_W'

    Пример: 'conv2_Padding'

    Значение параметра в виде числового массива, вектора символов или строкового скаляра. Скопировать существующий слой сети (сохраненный в params), скопируйте значения параметров слоя сети.

    Пример: params.Learnables.conv1_W

    Пример: params.Nonlearnables.conv1_Padding

    Типы данных: single | double | char | string

    Тип параметра в виде 'Learnable', 'Nonlearnable', или 'State'.

    • Значение 'Learnable' задает параметр, который обновляется сетью во время обучения (например, веса и смещение свертки).

    • Значение 'Nonlearnable' задает параметр, который остается неизменным во время сетевого обучения (например, дополняя).

    • Значение 'State' задает параметр, который содержит информацию, которую помнит сеть между итерациями и обновленную через несколько учебных пакетов.

    Типы данных: char | string

    Количество размерностей для каждого параметра в виде структуры. NumDimensions включает запаздывание одноэлементных размерностей.

    Пример: params.NumDimensions.conv1_W

    Пример 4

    Выходные аргументы

    свернуть все

    Сетевые параметры, возвращенные как ONNXParameters объект. params содержит сетевые параметры, обновленные addParameter.

    Смотрите также

    | |

    Введенный в R2020b

    Документация Deep Learning Toolbox

    Поддержка