activations

Класс: dlhdl.Workflow
Пакет: dlhdl

Получите промежуточные результаты слоя для развернутой нейронной сети для глубокого обучения

расширьте все на странице

Синтаксис

activations(imIn,layername)
activations(imIn,layername, Name,Value)

Описание

пример

activations(imIn,layername) возвращает промежуточные результаты данных об активации слоя для данных изображения в imIn, и имя слоя задано в layername. Размер результата зависит от выходного размера слоя. Выходной размер слоя может быть получен при помощи analyzeNetwork.

activations(imIn,layername, Name,Value)возвращает промежуточные результаты данных об активации слоя для данных изображения в 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: 220MHz

Входные параметры

развернуть все

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

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.

Отметьте, чтобы возвратить профильные результаты для нейронной сети для глубокого обучения, развернутой на требуемой плате.

Пример: 'Profiler','on'

Смотрите также

| | |

Введенный в R2020b

Документация Deep Learning HDL Toolbox

Поддержка

Для просмотра документации необходимо авторизоваться на сайте