Импорт предварительно обученной сети Keras и весов
net = importKerasNetwork(modelfile,Name,Value)
Для примера, importKerasNetwork(modelfile,'WeightFile',weights) импортирует сеть из файла модели modelfile и веса из файла весов weights. В этом случае modelfile может быть в HDF5 или JSON формате, а файл веса должен быть в HDF5 формате.
Загрузите и установите пакет поддержки Deep Learning Toolbox Converter для TensorFlow Models.
Тип importKerasNetwork в командной строке.
importKerasNetwork
Если пакет поддержки Deep Learning Toolbox Converter для TensorFlow Models не установлен, то функция предоставляет ссылку на необходимый пакет поддержки в Add-On Explorer. Чтобы установить пакет поддержки, щелкните ссылку и выберите Установить. Проверьте, что установка успешна, импортировав сеть из файла модели 'digitsDAGnet.h5' в командной строке. Если установлен необходимый пакет поддержки, то функция возвращает DAGNetwork объект.
modelfile = 'digitsDAGnet.h5';
net = importKerasNetwork(modelfile)Warning: Saved Keras networks do not include classes. Classes will be set to categorical(1:N), where N is the number of classes in the classification output layer of the network. To specify classes, use the 'Classes' argument.
net =
DAGNetwork with properties:
Layers: [13x1 nnet.cnn.layer.Layer]
Connections: [13x2 table]
InputNames: {'input_1'}
OutputNames: {'ClassificationLayer_activation_1'}
Укажите файл для импорта. Файл digitsDAGnet.h5 содержит направленную ациклическую графовую сверточную нейронную сеть, которая классифицирует изображения цифр.
modelfile = 'digitsDAGnet.h5';Импортируйте сеть.
net = importKerasNetwork(modelfile)
Warning: Saved Keras networks do not include classes. Classes will be set to categorical(1:N), where N is the number of classes in the classification output layer of the network. To specify classes, use the 'Classes' argument.
net =
DAGNetwork with properties:
Layers: [13x1 nnet.cnn.layer.Layer]
Connections: [13x2 table]
InputNames: {'input_1'}
OutputNames: {'ClassificationLayer_activation_1'}
Постройте график сетевой архитектуры.
plot(net)
title('DAG Network Architecture')
Укажите сеть и файлы веса для импорта.
modelfile = 'digitsDAGnet.json'; weights = 'digitsDAGnet.weights.h5';
Это ориентированная ациклическая сверточная нейронная сеть графика, обученная на данных цифр.
Импортируйте сетевую архитектуру и импортируйте веса из отдельных файлов. Файл .json не имеет слоя выхода или информации о функции затрат. Задайте тип выхода слоя при импорте файлов.
net = importKerasNetwork(modelfile,'WeightFile',weights, ... 'OutputLayerType','classification')
Warning: Saved Keras networks do not include classes. Classes will be set to categorical(1:N), where N is the number of classes in the classification output layer of the network. To specify classes, use the 'Classes' argument.
net =
DAGNetwork with properties:
Layers: [13x1 nnet.cnn.layer.Layer]
Connections: [13x2 table]
InputNames: {'input_1'}
OutputNames: {'ClassificationLayer_activation_1'}
Укажите файл модели.
modelfile = 'digitsDAGnet.h5';Задайте имена классов.
classNames = {'0','1','2','3','4','5','6','7','8','9'};Импортируйте сеть Keras с именами классов.
net = importKerasNetwork(modelfile,'Classes',classNames);Считайте изображение для классификации.
digitDatasetPath = fullfile(toolboxdir('nnet'),'nndemos','nndatasets','DigitDataset'); I = imread(fullfile(digitDatasetPath,'5','image4009.png'));
Классификация изображения с помощью предварительно обученной сети.
label = classify(net,I);
Отобразите изображение и результат классификации.
imshow(I)
title(['Classification result: ' char(label)])
importKerasNetwork поддерживает версии TensorFlow-Keras следующим образом:
Функция полностью поддерживает версии TensorFlow-Keras до 2.2.4.
Функция предлагает ограниченную поддержку TensorFlow-Keras версий с 2.2.5 по 2.4.0.
Если сеть содержит слой, который не поддерживает Deep Learning Toolbox Converter для Модели (см. «Поддерживаемые слои Keras»), то importKerasNetwork возвращает сообщение об ошибке. В этом случае вы все еще можете использовать importKerasLayers для импорта сетевой архитектуры и весов.
Можно импортировать сеть Keras с несколькими входами и несколькими выходами (MIMO). Использовать importKerasNetwork если сеть содержит информацию о размере входа для входов и информацию о потерях для выходов. В противном случае используйте importKerasLayers. importKerasLayers функция вставляет слои заполнителя для входов и выходов. После импорта можно найти и заменить слои-заполнители при помощи findPlaceholderLayers и replaceLayer, соответственно. Рабочий процесс для импорта сетей MIMO Keras аналогичен рабочему процессу для импорта сетей MIMO ONNX™. Для получения примера смотрите Импорт и Сборка сети ONNX с несколькими выходами. Чтобы узнать о нейронной сети для глубокого обучения с несколькими входами и несколькими выходами, смотрите Multiple-Input и Multiple-Output Networks.
Чтобы использовать предварительно обученную сеть для предсказания или передачи обучения на новых изображениях, необходимо предварительно обработать изображения так же, как были предварительно обработаны изображения, которые использовались для обучения импортированной модели. Наиболее распространенными этапами предварительной обработки являются изменение размера изображений, вычитание средних значений изображений и преобразование изображений из BGR-изображений в RGB.
Для получения дополнительной информации о предварительной обработке изображений для обучения и предсказания, см. «Предварительная обработка изображений для глубокого обучения».
Использовать importKerasNetwork или importKerasLayers для импорта сети TensorFlow-Keras в HDF5 или JSON формате. Если сеть TensorFlow находится в сохраненном формате модели, используйте importTensorFlowNetwork или importTensorFlowLayers.
[1] Keras: Библиотека Python Deep Learning. https://keras.io.
exportONNXNetwork | importCaffeLayers | importCaffeNetwork | importKerasLayers | importONNXLayers | importONNXNetwork | importTensorFlowLayers | importTensorFlowNetwork