Предскажите ответы с помощью обученной рекуррентной нейронной сети и обновите сетевое состояние
Можно сделать предсказания с помощью обученной нейронной сети для глубокого обучения или на центральном процессоре или на графическом процессоре. Используя графический процессор требует Parallel Computing Toolbox™, и CUDA® включил NVIDIA®, графический процессор с вычисляет возможность 3.0 или выше. Задайте требования к аппаратным средствам с помощью аргумента пары "имя-значение" 'ExecutionEnvironment'.
[
предсказывает ответы для данных в updatedNet
,YPred
] = predictAndUpdateState(recNet
,sequences
)sequences
использование обученной рекуррентной нейронной сети recNet
и обновляет сетевое состояние.
Эта функция поддерживает рекуррентные нейронные сети только. Вход recNet
должен иметь по крайней мере один текущий слой.
[
использование любой из аргументов в предыдущих синтаксисах и дополнительных опциях задано одним или несколькими updatedNet
,YPred
] = predictAndUpdateState(___,Name,Value
)Name,Value
парные аргументы. Например, 'MiniBatchSize',27
делает предсказания с помощью мини-пакетов размера 27.
Совет
При создании предсказаний с последовательностями различных длин мини-пакетный размер может повлиять на объем дополнения добавленного к входным данным, которые могут привести к различным ожидаемым значениям. Попытайтесь использовать различные значения, чтобы видеть, который работает лучше всего с вашей сетью. Чтобы задать мини-пакетный размер и дополнительные опции, используйте 'MiniBatchSize'
и 'SequenceLength'
опции, соответственно.
Все функции для обучения глубокому обучению, предсказания и валидации в Deep Learning Toolbox™ выполняют расчеты с помощью арифметики с плавающей точкой, с одинарной точностью. Функции для глубокого обучения включают trainNetwork
, predict
, classify
, и activations
. Программное обеспечение использует арифметику с одинарной точностью, когда вы обучаете нейронные сети с помощью и центральных процессоров и графических процессоров.
[1] М. Кудо, J. Тояма, и М. Шимбо. "Многомерная Классификация Кривых Используя Прохождение через области". Буквы Распознавания образов. Издание 20, № 11-13, страницы 1103-1111.
[2] Репозиторий Машинного обучения UCI: японский Набор данных Гласных. https://archive.ics.uci.edu/ml/datasets/Japanese+Vowels
bilstmLayer
| classify
| classifyAndUpdateState
| gruLayer
| lstmLayer
| predict
| resetState
| sequenceInputLayer