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).
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.
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 с datastore вводится.
Чтобы использовать datastore для сетей с несколькими входными слоями, используйте combine
и transform
функции, чтобы создать datastore, который выводит массив ячеек с (numInputs
+ 1) столбцы, где numInputs
количество сетевых входных параметров. В этом случае, первый numInputs
столбцы задают предикторы для каждого входа, и последний столбец задает ответы. Распоряжение входных параметров дано InputNames
свойство графика слоев layers
.
Совет
Если сеть также имеет несколько выходных параметров, то необходимо использовать пользовательский учебный цикл. для получения дополнительной информации смотрите Несколько - Выходные Сети.
Чтобы сделать предсказания на обученной нейронной сети для глубокого обучения с несколькими входными параметрами, используйте любого predict
или classify
функция. Задайте несколько входных параметров с помощью одного из следующего:
combinedDatastore
объект
transformedDatastore
объект
несколько числовых массивов
Задайте сети с несколькими выходными параметрами для задач, требующих множественных ответов в различных форматах. Например, задачи, требующие и категориального и числового выхода.
Чтобы обучить нейронную сеть для глубокого обучения с несколькими выходными параметрами, используйте пользовательский учебный цикл. Для примера смотрите, Обучат сеть с Несколькими Выходными параметрами.
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 assembleNetwork
функция. С собранной сетью вы можете:
Для примера смотрите, Собирают Несколько - Выходная Сеть для Предсказания.