Сгенерируйте код MATLAB из Deep Network Designer
Приложение Deep Network Designer позволяет вам сгенерировать MATLAB® код, который воссоздает создание, редактирование и обучение сети в приложении.
На вкладке Designer можно сгенерировать live скрипт для:
Воссоздайте слои в сети. Выберите Export > Generate Code.
Воссоздайте слои в сети, включая любые начальные параметры. Выберите Export > Generate Code with Initial Parameters.
На вкладке Training можно сгенерировать live скрипт для:
Воссоздайте создание и обучение сети, которую вы создаете в Deep Network Designer. Выберите Export > Generate Code for Training.
Сгенерируйте код MATLAB для воссоздания слоев сети
Сгенерируйте код MATLAB для воссоздания сети, созданной в Deep Network Designer. На вкладке Designer выберите один из следующих опций:
Чтобы воссоздать слои в сети, выберите Export > Generate Code. Эта сеть не содержит начальных параметров, таких как предварительно обученные веса.
Чтобы воссоздать слои в сети, включая любые начальные параметры, выберите Export > Generate Code with Initial Parameters. Приложение создает live скрипт и MAT-файл, содержащий начальные параметры (веса и смещения) от вашей сети. Запустите скрипт, чтобы воссоздать слои сети, включая настраиваемые параметры из MAT-файла. Используйте эту опцию, чтобы сохранить веса, если вы хотите выполнить передачу обучения.
Выполнение сгенерированного скрипта возвращает сетевую архитектуру как переменную в рабочей области. В зависимости от сетевой архитектуры переменная является графиком 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 использованием Deep Network Designer.
Сгенерируйте код MATLAB для обучения сети
Чтобы воссоздать конструкцию и обучение сети в Deep Network Designer, сгенерируйте код MATLAB после обучения. Для примера использования Deep Network Designer для обучения сети классификации изображений, смотрите Передача Обучения with Deep Network Designer.
После завершения обучения на вкладке Training выберите Export > Generate Code for Training. Приложение создает live скрипт и MAT-файл, содержащий начальные параметры (веса и смещения) от вашей сети. Если вы импортируете данные из рабочей области в Deep Network Designer, это также содержится в сгенерированном MAT-файле.
Выполнение сгенерированного скрипта создает сеть (включая настраиваемые параметры из MAT-файла), импортирует данные, устанавливает опции обучения и обучает сеть. Исследуйте сгенерированный скрипт, чтобы узнать, как создать и обучить сеть в командной строке.
Примечание
Если вы измените сеть, данные обучения и валидации или опции обучения, нажмите Train перед генерацией live скрипта.
Можно также использовать сгенерированный скрипт как начальная точка для создания экспериментов глубокого обучения, которые просматривают область значений значений гиперзначений параметров или используют байесовскую оптимизацию, чтобы найти оптимальные опции обучения. Для примера, показывающего, как использовать Experiment Manager для настройки гиперпараметров сети, обученной в Deep Network Designer, смотрите Adapt Code Generated in Deep Network Designer для использования в Experiment Manager.
Используйте сеть для предсказания
Предположим, что обученная сеть содержится в переменной net. Чтобы использовать обученную сеть для предсказания, используйте predict функция. Например, предположим, что у вас есть обученная сеть классификации изображений. Используйте экспортированную сеть, чтобы предсказать класс peppers.png.
img = imread("peppers.png");
img = imresize(img, net.Layers(1).InputSize(1:2));
label = predict(net, img);
imshow(img);
title(label);Ссылки
[1] Кудо, Минейчи, Цзюнь Тояма и Масару Симбо. «Многомерная классификация кривых с использованием областей». Pattern Recognition Letters 20, No. 11-13 (November 1999): 1103-11. https://doi.org/10.1016/S0167-8655 (99) 00077-X.
[2] Кудо, Минейчи, Цзюнь Тояма и Масару Симбо. Японский набор данных гласных. Распространяется UCI Machine Learning Repository. https://archive.ics.uci.edu/ml/datasets/Japanese+Vowels.
См. также
Deep Network Designer | trainingOptions | trainNetwork