addParameter

Добавить параметр в ONNXParameters объект

Синтаксис

params = addParameter (параметры, имя, значение, тип)

params = addParameter (параметры, имя, значение, тип, NumDimensions)

Описание

params = addParameter(params,name,value,type) добавляет сетевой параметр, указанный name, value, и type в ONNXParameters объект params. Возвращенный params объект содержит параметры модели входного аргумента params вместе с добавленным параметром последовательно складывается. Добавленный параметр name должны быть уникальными, непустыми и отличаться от имен параметров в params.

params = addParameter(params,name,value,type,NumDimensions) добавляет сетевой параметр, указанный name, value, type, и NumDimensions кому params.

Примеры

свернуть все

Добавление параметров в импортированную функцию модели ONNX

В этом примере используются:

Открыть сценарий в реальном времени

Импортируйте сеть, сохраненную в формате ONNX, в качестве функции и измените параметры сети.

Импорт предварительно подготовленных simplenet3fc.onnx сеть как функция. simplenet3fc представляет собой простую сверточную нейронную сеть, обученную на данных цифрового изображения. Дополнительные сведения о создании сети, аналогичной simplenet3fc, см. раздел Создание простой сети классификации изображений.

Импорт simplenet3fc.onnx использование importONNXFunction, который возвращает ONNXParameters объект, содержащий параметры сети. Функция также создает новую функцию модели в текущей папке, которая содержит сетевую архитектуру. Укажите имя функции модели как simplenetFcn.

params = importONNXFunction('simplenet3fc.onnx','simplenetFcn');

A function containing the imported ONNX network has been saved to the file simplenetFcn.m.
To learn how to use this function, type: help simplenetFcn.

Отображение параметров, обновляемых в процессе обучения (params.Learnables) и параметры, которые остаются неизменными во время обучения (params.Nonlearnables).

params.Learnables

ans = struct with fields:
    imageinput_Mean: [1×1 dlarray]
             conv_W: [5×5×1×20 dlarray]
             conv_B: [20×1 dlarray]
    batchnorm_scale: [20×1 dlarray]
        batchnorm_B: [20×1 dlarray]
             fc_1_W: [24×24×20×20 dlarray]
             fc_1_B: [20×1 dlarray]
             fc_2_W: [1×1×20×20 dlarray]
             fc_2_B: [20×1 dlarray]
             fc_3_W: [1×1×20×10 dlarray]
             fc_3_B: [10×1 dlarray]

params.Nonlearnables

ans = struct with fields:
            ConvStride1004: [2×1 dlarray]
    ConvDilationFactor1005: [2×1 dlarray]
           ConvPadding1006: [4×1 dlarray]
            ConvStride1007: [2×1 dlarray]
    ConvDilationFactor1008: [2×1 dlarray]
           ConvPadding1009: [4×1 dlarray]
            ConvStride1010: [2×1 dlarray]
    ConvDilationFactor1011: [2×1 dlarray]
           ConvPadding1012: [4×1 dlarray]
            ConvStride1013: [2×1 dlarray]
    ConvDilationFactor1014: [2×1 dlarray]
           ConvPadding1015: [4×1 dlarray]

Сеть имеет параметры, представляющие три полностью соединенных уровня. Можно добавить полностью связанный слой в исходные параметры params между слоями fc_2 и fc_3. Новый слой может повысить точность классификации.

Просмотр параметров сверточных слоев fc_2 и fc_3, откройте функцию модели simplenetFcn.

open simplenetFcn

Прокрутите вниз до определений слоев в функции simplenetFcn. В приведенном ниже коде приведены определения слоев fc_2 и fc_3.

% Conv:
[weights, bias, stride, dilationFactor, padding, dataFormat, NumDims.fc_2] = prepareConvArgs(Vars.fc_2_W, Vars.fc_2_B, Vars.ConvStride1010, Vars.ConvDilationFactor1011, Vars.ConvPadding1012, 1, NumDims.fc_1, NumDims.fc_2_W);
Vars.fc_2 = dlconv(Vars.fc_1, weights, bias, 'Stride', stride, 'DilationFactor', dilationFactor, 'Padding', padding, 'DataFormat', dataFormat);

% Conv:
[weights, bias, stride, dilationFactor, padding, dataFormat, NumDims.fc_3] = prepareConvArgs(Vars.fc_3_W, Vars.fc_3_B, Vars.ConvStride1013, Vars.ConvDilationFactor1014, Vars.ConvPadding1015, 1, NumDims.fc_2, NumDims.fc_3_W);
Vars.fc_3 = dlconv(Vars.fc_2, weights, bias, 'Stride', stride, 'DilationFactor', dilationFactor, 'Padding', padding, 'DataFormat', dataFormat);

Назовите новый слой fc_4, поскольку каждое добавленное имя параметра должно быть уникальным. addParameter функция всегда добавляет новый параметр последовательно в params.Learnables или params.Nonlearnables структура. Порядок слоев в функции модели simplenetFcn определяет порядок выполнения сетевых уровней. Имена и порядок параметров не влияют на порядок выполнения.

Добавление нового полностью подключенного слоя fc_4 с теми же параметрами, что и fc_2.

params = addParameter(params,'fc_4_W',params.Learnables.fc_2_W,'Learnable');
params = addParameter(params,'fc_4_B',params.Learnables.fc_2_B,'Learnable');
params = addParameter(params,'fc_4_Stride',params.Nonlearnables.ConvStride1010,'Nonlearnable');
params = addParameter(params,'fc_4_DilationFactor',params.Nonlearnables.ConvDilationFactor1011,'Nonlearnable');
params = addParameter(params,'fc_4_Padding',params.Nonlearnables.ConvPadding1012,'Nonlearnable');

Отображение обновленных обучаемых и неузнаваемых параметров.

params.Learnables

ans = struct with fields:
    imageinput_Mean: [1×1 dlarray]
             conv_W: [5×5×1×20 dlarray]
             conv_B: [20×1 dlarray]
    batchnorm_scale: [20×1 dlarray]
        batchnorm_B: [20×1 dlarray]
             fc_1_W: [24×24×20×20 dlarray]
             fc_1_B: [20×1 dlarray]
             fc_2_W: [1×1×20×20 dlarray]
             fc_2_B: [20×1 dlarray]
             fc_3_W: [1×1×20×10 dlarray]
             fc_3_B: [10×1 dlarray]
             fc_4_W: [1×1×20×20 dlarray]
             fc_4_B: [20×1 dlarray]

params.Nonlearnables

ans = struct with fields:
            ConvStride1004: [2×1 dlarray]
    ConvDilationFactor1005: [2×1 dlarray]
           ConvPadding1006: [4×1 dlarray]
            ConvStride1007: [2×1 dlarray]
    ConvDilationFactor1008: [2×1 dlarray]
           ConvPadding1009: [4×1 dlarray]
            ConvStride1010: [2×1 dlarray]
    ConvDilationFactor1011: [2×1 dlarray]
           ConvPadding1012: [4×1 dlarray]
            ConvStride1013: [2×1 dlarray]
    ConvDilationFactor1014: [2×1 dlarray]
           ConvPadding1015: [4×1 dlarray]
               fc_4_Stride: [2×1 dlarray]
       fc_4_DilationFactor: [2×1 dlarray]
              fc_4_Padding: [4×1 dlarray]

Изменение архитектуры функции модели для отражения изменений в params таким образом, можно использовать сеть для прогнозирования с новыми параметрами или переобучить сеть. Открытие функции модели simplenetFcn. Затем добавьте полностью подключенный слой fc_4 между слоями fc_2 и fc_3и изменить входные данные операции свертки dlconv для слоя fc_3 кому Vars.fc_4.

open simplenetFcn

Код ниже показывает новый слой fc_4 по своему положению, а также слоям fc_2 и fc_3.

% Conv:
[weights, bias, stride, dilationFactor, padding, dataFormat, NumDims.fc_2] = prepareConvArgs(Vars.fc_2_W, Vars.fc_2_B, Vars.ConvStride1010, Vars.ConvDilationFactor1011, Vars.ConvPadding1012, 1, NumDims.fc_1, NumDims.fc_2_W);
Vars.fc_2 = dlconv(Vars.fc_1, weights, bias, 'Stride', stride, 'DilationFactor', dilationFactor, 'Padding', padding, 'DataFormat', dataFormat);

% Conv
[weights, bias, stride, dilationFactor, padding, dataFormat, NumDims.fc_4] = prepareConvArgs(Vars.fc_4_W, Vars.fc_4_B, Vars.fc_4_Stride, Vars.fc_4_DilationFactor, Vars.fc_4_Padding, 1, NumDims.fc_2, NumDims.fc_4_W);
Vars.fc_4 = dlconv(Vars.fc_2, weights, bias, 'Stride', stride, 'DilationFactor', dilationFactor, 'Padding', padding, 'DataFormat', dataFormat);

% Conv:
[weights, bias, stride, dilationFactor, padding, dataFormat, NumDims.fc_3] = prepareConvArgs(Vars.fc_3_W, Vars.fc_3_B, Vars.ConvStride1013, Vars.ConvDilationFactor1014, Vars.ConvPadding1015, 1, NumDims.fc_4, NumDims.fc_3_W);
Vars.fc_3 = dlconv(Vars.fc_4, weights, bias, 'Stride', stride, 'DilationFactor', dilationFactor, 'Padding', padding, 'DataFormat', dataFormat);

Входные аргументы

свернуть все

`params` - Параметры сети
`ONNXParameters` объект

Параметры сети, указанные как ONNXParameters объект. params содержит сетевые параметры импортированной модели ONNX™.

`name` - Наименование параметра
вектор символов | строковый скаляр

Имя параметра, определяемое как вектор символа или скаляр строки.

Пример: 'conv2_W'

Пример: 'conv2_Padding'

`value` - Значение параметра
числовой массив | символьный вектор | строковый скаляр

Значение параметра, указанное как числовой массив, символьный вектор или строковый скаляр. Дублирование существующего сетевого уровня (хранится в params), скопируйте значения параметров сетевого уровня.

Пример: params.Learnables.conv1_W

Пример: params.Nonlearnables.conv1_Padding

Типы данных: single | double | char | string

`type` - Тип параметра
`'Learnable'` | `'Nonlearnable'` | `'State'`

Тип параметра, указанный как 'Learnable', 'Nonlearnable', или 'State'.

Стоимость 'Learnable' задает параметр, который обновляется сетью во время обучения (например, веса и смещение свертки).
Стоимость 'Nonlearnable' указывает параметр, который остается неизменным во время обучения сети (например, заполнение).
Стоимость 'State' указывает параметр, который содержит информацию, запоминаемую сетью между итерациями и обновляемую в нескольких обучающих пакетах.

Типы данных: char | string

`NumDimensions` - Количество размеров для каждого параметра
структура

Количество размеров для каждого параметра, указанного как структура. NumDimensions включает в себя конечные одиночные размеры.

Пример: params.NumDimensions.conv1_W

Пример: 4

Выходные аргументы

свернуть все

`params` - Параметры сети
`ONNXParameters` объект

Параметры сети, возвращенные как ONNXParameters объект. params содержит параметры сети, обновленные addParameter.

См. также

importONNXFunction | ONNXParameters | removeParameter

Представлен в R2020b

Документация

addParameter

Синтаксис

Описание

Примеры

Добавление параметров в импортированную функцию модели ONNX

Входные аргументы

`params` - Параметры сети
`ONNXParameters` объект

`name` - Наименование параметра
вектор символов | строковый скаляр

`value` - Значение параметра
числовой массив | символьный вектор | строковый скаляр

`type` - Тип параметра
`'Learnable'` | `'Nonlearnable'` | `'State'`

`NumDimensions` - Количество размеров для каждого параметра
структура

Выходные аргументы

`params` - Параметры сети
`ONNXParameters` объект

См. также

Документация по инструментам для глубокого обучения

Поддержка

Документация

addParameter

Синтаксис

Описание

Примеры

Добавление параметров в импортированную функцию модели ONNX

Входные аргументы

params - Параметры сети ONNXParameters объект

name - Наименование параметра вектор символов | строковый скаляр

value - Значение параметра числовой массив | символьный вектор | строковый скаляр

type - Тип параметра 'Learnable' | 'Nonlearnable' | 'State'

NumDimensions - Количество размеров для каждого параметра структура

Выходные аргументы

params - Параметры сети ONNXParameters объект

См. также

Документация по инструментам для глубокого обучения

Поддержка

`params` - Параметры сети
`ONNXParameters` объект

`name` - Наименование параметра
вектор символов | строковый скаляр

`value` - Значение параметра
числовой массив | символьный вектор | строковый скаляр

`type` - Тип параметра
`'Learnable'` | `'Nonlearnable'` | `'State'`

`NumDimensions` - Количество размеров для каждого параметра
структура

`params` - Параметры сети
`ONNXParameters` объект