nasnetlarge
Предварительно обученная NASNet-большая сверточная нейронная сеть
Синтаксис
Описание
NASNet-Large - сверточная нейронная сеть, обученная более чем на миллионе изображений из базы данных ImageNet [1]. Сеть может классифицировать изображения по 1000 категориям объектов, таким как клавиатура, мышь, карандаш и многие животные. В результате сеть узнала представления богатых функций для широкой области значений изображений. Сеть имеет размер входа изображения 331 331. Для более предварительно обученных сетей в MATLAB®, см. «Предварительно обученные глубокие нейронные сети».
Вы можете использовать classify классификация новых изображений с помощью модели NASNet-Large. Следуйте шагам классификации изображений с использованием GoogLeNet и замените GoogLeNet на NASNet-Large.
Чтобы переобучить сеть по новой задаче классификации, следуйте шагам Traind Нейронной Сети для Глубокого Обучения для классификации новых изображений и загрузки NASNet-Large вместо GoogLeNet.
Примеры
Загрузить пакет поддержки NASNet-Large
Загрузите и установите модель Deep Learning Toolbox для пакета поддержки NASNet-Large Network.
Напечатать nasnetlarge в командной строке.
nasnetlarge
Если модель Deep Learning Toolbox Model для пакета поддержки NASNet-Large Network не установлена, то функция предоставляет ссылку на необходимый пакет поддержки в Add-On Explorer. Чтобы установить пакет поддержки, щелкните ссылку и нажмите кнопку Install. Проверьте успешность установки путем ввода nasnetlarge в командной строке. Если установлен необходимый пакет поддержки, то функция возвращает DAGNetwork объект.
nasnetlarge
ans =
DAGNetwork with properties:
Layers: [1244×1 nnet.cnn.layer.Layer]
Connections: [1463×2 table]Визуализация сети с помощью Deep Network Designer.
deepNetworkDesigner(nasnetlarge)
Исследуйте другие предварительно обученные сети в Deep Network Designer, нажав New.
Если необходимо загрузить сеть, нажмите кнопку Install, чтобы открыть Add-On Explorer.
Передача обучения с NASNet-Large
Можно использовать передача обучения для переобучения сети для классификации нового набора изображений.
Откройте пример Обучите нейронную сеть для глубокого обучения для классификации новых изображений. В исходном примере используется предварительно обученная сеть GoogLeNet. Чтобы выполнить передачу обучения с помощью другой сети, загрузите необходимую предварительно обученную сеть и следуйте шагам в примере.
Загрузите сеть NASNet-Large вместо GoogLeNet.
net = nasnetlarge
Следуйте оставшимся шагам в примере, чтобы переобучить сеть. Необходимо заменить последний обучаемый слой и слой классификации в сети новыми слоями для обучения. В примере показано, как найти слои, которые нужно заменить.
Выходные аргументы
Ссылки
[1] ImageNet. http://www.image-net.org
[2] Zoph, Barret, Vijay Vasudevan, Jonathon Shlens, and Quoc V. Le. arXiv препринт arXiv:1707.07012 2, № 6 (2017).
Расширенные возможности
См. также
DAGNetwork | Deep Network Designer | densenet201 | googlenet | inceptionresnetv2 | layerGraph | nasnetmobile | plot | resnet101 | resnet50 | shufflenet | squeezenet | trainNetwork | vgg16 | vgg19
Темы
- Перенесите обучение с помощью Deep Network Designer
- Глубокое обучение в MATLAB
- Предварительно обученные глубокие нейронные сети
- Классификация изображений с помощью GoogLeNet
- Обучите нейронную сеть для глубокого обучения для классификации новых изображений
- Обучите остаточную сеть для классификации изображений