Predict
Прогнозируйте ответы с помощью обученной глубокой нейронной сети
- Библиотека:
Deep Learning Toolbox/Глубокие нейронные сети
Описание
Блок Predict предсказывает ответы для данных на входе с помощью обученной сети, заданной через параметры блоков. Этот блок позволяет загружать предварительно обученную сеть в Simulink® модель из MAT-файла или из MATLAB® функция.
Порты
Вход
input - Изображение или последовательность или данные временных рядов
числовой массив
Порты входа блока Predict берут имена входа слоев загруженной сети. Для примера, если вы задаете googlenet для MATLAB function, затем вход порт блока Predict помечается data. На основе загруженной сети, входом в блок предсказания могут быть изображение, последовательность или данные временных рядов.
Формат входов зависит от типа данных.
| Данные | Формат предикторов |
|---|---|
| 2-D изображения | h w c N числовым массивом, где h, w, и c высота, ширина, и количество каналов изображений, соответственно, и N - количество изображений. |
| Векторная последовательность | c -by - s матрицы, где c - количество функций последовательностей, а s - длина последовательности. |
| 2-D последовательности изображений | h -by- w -by- c -by- s массивы, где h, w и c соответствуют высоте, ширине и количеству каналов изображений, соответственно, и s является длиной последовательности. |
Если массив содержит NaNs, затем они распространяются через сеть.
Выход
output - Предсказанные счета, ответы или активации
числовой массив
Порт выходов блока Predict принимает имена выхода слоев загруженной сети. Для примера, если вы задаете googlenet для MATLAB function, затем выход порт блока Predict помечается output. На основе загруженной сети выход блока Predict может представлять предсказанные счета или отклики.
Предсказанные счета или ответы, возвращенные как N -by - K массив, где N - количество наблюдений, а K - количество классов.
Если вы включите Activations для слоя сети Predict блок создает новый выходной порт с именем выбранного слоя сети. Этот порт выводит активации от выбранного слоя сети.
Активация с слоя сети возвращается в виде числового массива. Формат выхода зависит от типа входных данных и типа выходного слоя.
Для 2-го выхода изображения активации - h w c n массив, где h, w, и c являются высотой, шириной, и количество каналов для выхода выбранного слоя, соответственно, и n - количество изображений.
Для одного временного шага, содержащего векторные данные, активации являются c-by- n матрицей, где n - количество последовательностей, а c - количество функций в последовательности.
Для одного временного шага, содержащего данные 2-D изображении, активации являются h w -by- c -by- n массивом, где n - количество последовательностей, h, w и c - высота, ширина и количество каналов изображений, соответственно.
Параметры
Network - Источник для обученной сети
Network from MAT-file (по умолчанию) | Network from MATLAB function | squeezenet
Укажите источник обученной сети. Выберите один из следующих вариантов:
Network from MAT-file- Импорт обученной сети из MAT-файла, содержащегоSeriesNetwork,DAGNetwork, илиdlnetworkобъект.Network from MATLAB function- Импорт предварительно обученной сети из функции MATLAB. Для примера при помощиgooglenetфункция.
File path - MAT-файл, содержащий обученную сеть
untitled.mat (по умолчанию) | имя MAT-файла
Этот параметр задает имя MAT-файла, который содержит обученную нейронную сеть для глубокого обучения для загрузки. Если файл отсутствует в пути MATLAB, используйте кнопку Browse, чтобы найти файл.
Зависимости
Чтобы включить этот параметр, установите параметр Network равным Network from MAT-file.
MATLAB function - имя функции MATLAB
squeezenet (по умолчанию) | имя функции MATLAB
Этот параметр задает имя функции MATLAB для предварительно обученной нейронной сети для глубокого обучения. Для примера используйте googlenet функция для импорта предварительно обученной модели GoogLeNet.
Зависимости
Чтобы включить этот параметр, установите параметр Network равным Network from MATLAB function.
Mini-batch size - Размер мини-партий
128 (по умолчанию) | положительное целое число
Размер мини-пакетов для использования в предсказании, заданный как положительное целое число. Большие размеры мини-пакетов требуют большей памяти, но могут привести к более быстрым предсказаниям.
Predictions - Выход предсказанных счетов или ответов
off (по умолчанию) | on
Включите выходные порты, которые возвращают предсказанные счета или ответы.
Activations - Выход активации сети для определенного слоя
Layers of the network
Используйте список Activations, чтобы выбрать слой для извлечения функций. Выбранные слои появляются как выход порт блока Predict.
Расширенные возможности
Генерация кода C/C + +
Сгенерируйте код C и C++ с помощью Coder™ Simulink ®
.Указания и ограничения по применению:
Параметр Language в категории Configuration Parameters > Code Generation должен иметь значение
C++.Для целевых объектов на основе ERT должен быть включен параметр Support: variable-size signals на панели Code Generation > Interface.
Список сетей и слоев, поддерживаемых для генерации кода, см. в разделах Сети и слои, поддерживаемые для генерации кода (MATLAB Coder).
Генерация кода GPU
Сгенерируйте код CUDA ® для графических процессоров NVIDIA ® с помощью GPU Coder™
.Указания и ограничения по применению:
Параметр Language в категории Configuration Parameters > Code Generation должен иметь значение
C++.Список сетей и слоев, поддерживаемых для CUDA® генерация кода, см. «Поддерживаемые сети, слои и классы» (GPU Coder).
Чтобы узнать больше о генерации кода для моделей Simulink, содержащих блок Predict, смотрите Генерацию кода для модели Глубокое Обучение Simulink, которая выполняет обнаружение маршрута и транспортного средства (GPU Coder).