Exponenta Banner

importCaffeNetwork

Импортируйте предварительно обученные модели сверточной нейронной сети из Caffe

свернуть все на странице

Синтаксис

net = importCaffeNetwork(protofile,datafile)
net = importCaffeNetwork(___,Name,Value)

Описание

пример

net = importCaffeNetwork(protofile,datafile) импортирует предварительно обученную сеть из Caffe [1]. Функция возвращает предварительно обученную сеть с архитектурой, заданной .prototxt файл protofile и с сетевыми весами, заданными .caffemodel файл datafile.

Эта функция требует Средства импорта Deep Learning Toolbox™ для пакета поддержки Моделей Caffe. Если этот пакет поддержки не установлен, функция обеспечивает ссылку на загрузку.

Можно загрузить предварительно обученные сети с Зоопарка Модели Caffe [2].

net = importCaffeNetwork(___,Name,Value) возвращает сеть с дополнительными опциями, заданными одним или несколькими Name,Value парные аргументы с помощью любого из предыдущих синтаксисов.

Примеры

свернуть все

Этот пример использует:

Загрузите и установите Средство импорта Deep Learning Toolbox для пакета поддержки Моделей Caffe.

Чтобы загрузить необходимый пакет поддержки, ввести importCaffeNetwork в командной строке.

importCaffeNetwork

Если Средство импорта Deep Learning Toolbox для пакета поддержки Моделей Caffe не установлено, то функция обеспечивает ссылку на необходимый пакет поддержки в Add-On Explorer. Чтобы установить пакет поддержки, щелкните по ссылке, и затем нажмите Install.

Этот пример использует:

Скрипт Open Live Script

Задайте файлы, чтобы импортировать.

protofile = 'digitsnet.prototxt';
datafile = 'digits_iter_10000.caffemodel';

Сеть Import.

net = importCaffeNetwork(protofile,datafile)
net = 
  SeriesNetwork with properties:

         Layers: [7×1 nnet.cnn.layer.Layer]
     InputNames: {'testdata'}
    OutputNames: {'ClassificationOutput'}

Входные параметры

свернуть все

Имя файла .prototxt файл, содержащий сетевую архитектуру в виде вектора символов или строкового скаляра. protofile должен быть в текущей папке, в папке на MATLAB® путь, или необходимо включать полный или относительный путь в файл. Если .prototxt файл не задает размер входных данных, необходимо задать размер с помощью 'InputSize' аргумент пары "имя-значение".

Пример: 'digitsnet.prototxt'

Имя файла .caffemodel файл, содержащий сетевые веса в виде вектора символов или строкового скаляра. datafile должен быть в текущей папке, в папке на пути MATLAB, или необходимо включать полный или относительный путь в файл. Чтобы импортировать слоя сети без весов, использовать importCaffeLayers.

Пример: 'digits_iter_10000.caffemodel'

Аргументы name-value

Задайте дополнительные разделенные запятой пары Name,Value аргументы. Name имя аргумента и Value соответствующее значение. Name должен появиться в кавычках. Вы можете задать несколько аргументов в виде пар имен и значений в любом порядке, например: Name1, Value1, ..., NameN, ValueN.

Пример: importCaffeNetwork(protofile,datafile,'AverageImage',I) импортирует предварительно обученную сеть с помощью среднего изображения I для нулевой центральной нормализации.

Размер входных данных в виде вектора-строки. Задайте вектор из двух или трех целочисленных значений [h,w], или [h,w,c] соответствуя высоте, ширине и количеству каналов входных данных. Если .prototxt файл не задает размер входных данных, затем необходимо задать входной размер.

Пример: [28 28 1]

Среднее изображение для нулевой центральной нормализации в виде матрицы. Если вы задаете изображение, то необходимо задать изображение одного размера с входными данными. Если вы не задаете изображение, программное обеспечение использует данные, заданные в .prototxt файл, если существующий. В противном случае функция устанавливает Normalization свойство изображения ввело слой сети к 'none'.

Классы выходного слоя в виде категориального вектора, массива строк, массива ячеек из символьных векторов или 'auto'. Если вы задаете массив строк или массив ячеек из символьных векторов str, затем программное обеспечение устанавливает классы выходного слоя к categorical(str,str). Если Classes 'auto', затем функция устанавливает классы на categorical(1:N), где N количество классов.

Типы данных: char | categorical | string | cell

Выходные аргументы

свернуть все

Импортированная предварительно обученная сеть Caffe, возвращенная как SeriesNetwork объект или DAGNetwork объект. Сети Caffe, которые берут цветные изображения в качестве входа, ожидают, что изображения будут в формате BGR. Во время импорта, importCaffeNetwork изменяет сеть так, чтобы импортированная сеть MATLAB взяла изображения RGB в качестве входа.

Больше о

свернуть все

Используйте импортированную сеть на графическом процессоре

importCaffeNetwork не выполняется на графическом процессоре. Однако importCaffeNetwork импортирует предварительно обученную нейронную сеть для глубокого обучения как DAGNetwork или SeriesNetwork объект, который можно использовать на графическом процессоре.

  • Можно сделать предсказания с импортированной сетью или на центральном процессоре или на графическом процессоре при помощи classify. Задайте требования к аппаратным средствам с помощью аргумента ExecutionEnvironment значения имени. Для сетей с несколькими выходными параметрами используйте predict функция.

  • Можно сделать предсказания с импортированной сетью или на центральном процессоре или на графическом процессоре при помощи predict. Задайте требования к аппаратным средствам с помощью аргумента ExecutionEnvironment значения имени. Если сеть имеет несколько выходных параметров, задайте аргумент ReturnCategorical значения имени как true.

  • Можно обучить импортированную сеть или на центральном процессоре или на графическом процессоре при помощи trainNetwork. Задавать опции обучения, включая опции для среды выполнения, использование trainingOptions функция. Задайте требования к аппаратным средствам с помощью аргумента ExecutionEnvironment значения имени. Для получения дополнительной информации о том, как ускорить обучение, смотрите, Увеличивают Глубокое обучение параллельно, на графических процессорах, и в Облаке.

Используя графический процессор требует Parallel Computing Toolbox™ и поддерживаемого устройства графического процессора. Для получения информации о поддерживаемых устройствах смотрите Поддержку графического процессора Релизом (Parallel Computing Toolbox).

Советы

Вопросы совместимости

развернуть все

Не рекомендуемый запуск в R2018b

Ссылки

[2] Зоопарк Модели Caffe. https://caffe.berkeleyvision.org/model_zoo.html.

Расширенные возможности

Смотрите также

| | | | | | | |

Темы

Введенный в R2017a

Документация Deep Learning Toolbox

Поддержка