Приложение Deep Network Designer позволяет создавать код MATLAB ®, который воссоздает построение, редактирование и обучение сети в приложении.
На вкладке Конструктор можно создать сценарий в реальном времени, чтобы:
Воссоздайте слои в сети. Выберите «Экспорт» > «Создать код».
Воссоздайте слои в сети, включая все исходные параметры. Выберите «Экспорт» > «Создать код с начальными параметрами».
На вкладке «Обучение» можно создать сценарий в реальном времени, чтобы:
Воссоздайте построение и обучение сети, создаваемой в Deep Network Designer. Выберите «Экспорт» > «Создать код для обучения».
Создайте код MATLAB для воссоздания сети, созданной в Deep Network Designer. На вкладке Конструктор выберите один из следующих вариантов:
Чтобы воссоздать слои в сети, выберите «Экспорт» > «Создать код». Эта сеть не содержит начальных параметров, таких как предварительно подготовленные веса.
Чтобы воссоздать слои в сети, включая все начальные параметры, выберите «Экспорт» > «Создать код с начальными параметрами». Приложение создает сценарий в реальном времени и MAT-файл, содержащий начальные параметры (веса и смещения) из вашей сети. Запустите сценарий для воссоздания сетевых уровней, включая доступные для изучения параметры из MAT-файла. Эта опция используется для сохранения весов при необходимости выполнения обучения переносу.
Выполнение созданного сценария возвращает сетевую архитектуру в качестве переменной в рабочей области. В зависимости от сетевой архитектуры переменная является графом слоев с именем lgraph или массив слоев с именем layers. Пример обучения сети, экспортированной из Deep Network Designer, см. в разделе Создание сети классификации простых последовательностей с помощью Deep Network Designer.
Чтобы воссоздать построение и обучение сети в Deep Network Designer, создайте код MATLAB после обучения. Пример использования Deep Network Designer для обучения сети классификации изображений см. в разделе Transfer Learning with Deep Network Designer.
После завершения обучения на вкладке Обучение выберите Экспорт > Создать код для обучения. Приложение создает сценарий в реальном времени и MAT-файл, содержащий начальные параметры (веса и смещения) из вашей сети. При импорте данных из рабочей области в Deep Network Designer это также содержится в созданном MAT-файле.
При выполнении созданного сценария создается сеть (включая обучаемые параметры из MAT-файла), импортируются данные, устанавливаются параметры обучения и выполняется обучение сети. Изучите созданный сценарий, чтобы узнать, как создать и обучить сеть в командной строке.
Примечание
При изменении сети, данных обучения и проверки или параметров обучения перед созданием сценария в реальном времени нажмите кнопку Обучить.
Можно также использовать созданный сценарий в качестве отправной точки для создания экспериментов глубокого обучения, которые проскальзывают диапазон значений гиперпараметров или используют байесовскую оптимизацию для поиска оптимальных вариантов обучения. Пример использования Диспетчера экспериментов для настройки гиперпараметров сети, обученной в Deep Network Designer, см. в разделе Адаптация кода, созданного в Deep Network Designer, для использования в Experiment Manager.
Предположим, что обученная сеть содержится в переменной net. Чтобы использовать обученную сеть для прогнозирования, используйте predict функция. Например, предположим, что имеется обученная сеть классификации изображений. Использовать экспортированную сеть для прогнозирования класса peppers.png.
img = imread("peppers.png");
img = imresize(img, net.Layers(1).InputSize(1:2));
label = predict(net, img);
imshow(img);
title(label);[1] Кудо, Минэйчи, Дзюн Тояма и Масару Симбо. «Многомерная классификация кривых с использованием сквозных областей». Письма 20, № 11-13 (ноябрь 1999 года): 1103-11. https://doi.org/10.1016/S0167-8655 (99) 00077-X.
[2] Кудо, Минэйчи, Дзюн Тояма и Масару Симбо. Набор данных гласных на японском языке. Распространяется репозитарием машинного обучения UCI. https://archive.ics.uci.edu/ml/datasets/Japanese+Vowels.
Конструктор глубоких сетей | trainingOptions | trainNetwork