В Deep Learning Toolbox™ можно задать архитектуры сети с несколькими входами (для примера, сетей, обученных на нескольких источниках и типах данных) или несколькими выходами (для примера, сетями, которые предсказывают и классификацию, и регрессионные отклики).
Задайте сети с несколькими входами, когда сеть требует данных из нескольких источников или в разных форматах. Для примера, сети, которые требуют данных изображений, полученных с нескольких датчиков с разным разрешением.
Чтобы определить и обучить нейронную сеть для глубокого обучения с несколькими входами, задайте архитектуру сети с помощью layerGraph
объект и обучение, используя trainNetwork
функция с входом datastore.
Чтобы использовать datastore для сетей с несколькими входными слоями, используйте combine
и transform
функции для создания datastore, который выводит массив ячеек с (numInputs
+ 1) столбцы, где numInputs
- количество входов сети. В этом случае первый numInputs
столбцы задают предикторы для каждого входа, а последний столбец задает отклики. Порядок входов задается InputNames
свойство графика слоев layers
.
Совет
Если сеть также имеет несколько выходов, необходимо использовать пользовательский цикл обучения. для получения дополнительной информации см. Раздел «Несколько выходных сетей»
Чтобы делать предсказания в обученной нейронной сети для глубокого обучения с несколькими входами, используйте или predict
или classify
функция. Задайте несколько входов с помощью одного из следующих:
combinedDatastore
объект
transformedDatastore
объект
несколько числовых массивов
Задайте сети с несколькими выходами для задач, требующих нескольких откликов в разных форматах. Для примера задач, требующих как категориального, так и числового выхода.
Чтобы обучить нейронную сеть для глубокого обучения с несколькими выходами, используйте пользовательский цикл обучения. Для получения примера смотрите Train Сеть с несколькими выходами.
Чтобы делать предсказания с помощью функции модели, используйте функцию модели непосредственно с обученными параметрами. Для получения примера смотрите Делать Предсказания Используя Функцию Модели.
Также преобразуйте функцию модели в DAGNetwork
использование объекта assembleNetwork
функция. С помощью собранной сети можно:
Для получения примера смотрите Сборка сети Multiple- Выхода для предсказания.