Предскажите ответы с помощью обученной глубокой нейронной сети
Deep Learning Toolbox / Глубокие нейронные сети
Блок Predict предсказывает ответы для данных во входе при помощи обучившего сеть, заданного через параметры блоков. Этот блок позволяет загружать предварительно обученной сети в Simulink® модель из MAT-файла или из MATLAB® функция.
input — Отобразите, покажите, упорядочьте, или данные временных рядовВходные порты блока Predict берут имена входных слоев загруженной сети. Например, если вы задаете googlenet для MATLAB function, затем входной порт блока Predict помечен data. На основе загруженной сети вход с предсказать блоком может быть изображением, последовательностью или данными временных рядов.
Формат входа зависит от типа данных.
| Данные | Формат предикторов |
|---|---|
| 2D изображения | h-by-w-by-c-by-N числовой массив, где h, w и c являются высотой, шириной, и количеством каналов изображений, соответственно, и N, является количеством изображений. |
| Векторная последовательность | c-by-s матрицы, где c является количеством функций последовательностей и s, является длиной последовательности. |
| 2D 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. |
| Функции | N-by-numFeatures числовой массив, где N является количеством наблюдений и numFeatures количество функций входных данных. |
Если массив содержит NaNs, затем они распространены через сеть.
output — Предсказанные баллы, ответы или активацииВыходной порт блока Predict берет имена выходных слоев загруженной сети. Например, если вы задаете googlenet для MATLAB function, затем выходной порт блока Predict помечен output. На основе загруженной сети выход блока Predict может представлять предсказанные баллы или ответы.
Предсказанные баллы или ответы, возвращенные как N-by-K массив, где N является количеством наблюдений и K, являются количеством классов.
Если вы включаете Activations для слоя сети блок Predict создает новый выходной порт с именем выбранного слоя сети. Это выходы порта активации от выбранного слоя сети.
Активации от слоя сети возвращены как числовой массив. Формат выхода зависит от типа входных данных и типа слоя выход.
Для 2D изображения выход активациями является h-by-w-by-c-by-n массив, где h, w и c являются высотой, шириной и количеством каналов для выхода выбранного слоя, соответственно, и n является количеством изображений.
В течение одного такта, содержащего векторные данные, активациями является c-by-n матрица, где n является количеством последовательностей, и c является количеством функций в последовательности.
В течение одного такта, содержащего 2D данные изображения, активациями является h-by-w-by-c-by-n массив, где n является количеством последовательностей, h, w, и c является высотой, шириной и количеством каналов изображений, соответственно.
Network — Источник для обучившего сетьNetwork from MAT-file (значение по умолчанию) | Network from MATLAB functionЗадайте источник для обучившего сеть. Выберите одно из следующего:
Network from MAT-file— Импортируйте обучивший сеть из MAT-файла, содержащего SeriesNetwork, DAGNetwork, или dlnetwork объект.
Network from MATLAB function— Импортируйте предварительно обученную сеть из функции MATLAB. Например, при помощи googlenet функция.
Параметры блоков: Network |
| Ввод: вектор символов, строка |
Значения: 'Network from MAT-file' | 'Network from MATLAB function' |
Значение по умолчанию: 'Network from MAT-file' |
File path — MAT-файл, содержащий, обучил сеть untitled.mat (значение по умолчанию) | путь к MAT-файлу или имяЭтот параметр задает имя MAT-файла, который содержит обученную нейронную сеть для глубокого обучения, чтобы загрузить. Если файл не находится на пути MATLAB, используйте кнопку Browse, чтобы определить местоположение файла.
Чтобы включить этот параметр, установите параметр Network на Network from MAT-file.
Параметры блоков: NetworkFilePath |
| Ввод: вектор символов, строка |
| Значения: путь к MAT-файлу или имя |
Значение по умолчанию: 'untitled.mat' |
MATLAB function — Имя функции MATLABsqueezenet (значение по умолчанию) | имя функции MATLABЭтот параметр задает имя функции MATLAB для предварительно обученной нейронной сети для глубокого обучения. Например, использовать googlenet функционируйте, чтобы импортировать предварительно обученную модель GoogLeNet.
Чтобы включить этот параметр, установите параметр Network на Network from MATLAB function.
Параметры блоков: NetworkFunction |
| Ввод: вектор символов, строка |
| Значения: имя функции MATLAB |
Значение по умолчанию: 'squeezenet' |
Mini-batch size — Размер мини-пакетовРазмер мини-пакетов, чтобы использовать для предсказания в виде положительного целого числа. Большие мини-пакетные размеры требуют большей памяти, но могут привести к более быстрым предсказаниям.
Параметры блоков: MiniBatchSize |
| Ввод: вектор символов, строка |
| Значения: положительное целое число |
Значение по умолчанию: '128' |
Predictions — Выведите предсказанные баллы или ответыon (значение по умолчанию) | offВключите выходные порты, которые возвращают предсказанные баллы или ответы.
Параметры блоков:
Predictions |
| Ввод: вектор символов, строка |
Значения:
'off' | 'on' |
Значение по умолчанию:
'on' |
Activations — Выведите сетевые активации для определенного слояИспользуйте список Activations, чтобы выбрать слой, чтобы извлечь функции из. Выделенные слои появляются как выходной порт блока Predict.
Параметры блоков:
Activations |
| Ввод: вектор символов, строка |
Значения: вектор символов в форме '{'layerName1',layerName2',...}' |
Значение по умолчанию:
'' |
Указания и ограничения по применению:
Параметр Language в Configuration Parameters> Code Generation общая категория должен быть установлен на C++.
Для основанных на ERT целей параметра Support: variable-size signals в Code Generation> должна быть включена панель Interface.
Для списка сетей и слоев, поддержанных для генерации кода, смотрите Сети и Слои, Поддержанные для Генерации кода (MATLAB Coder).
Указания и ограничения по применению:
Параметр Language в Configuration Parameters> Code Generation общая категория должен быть установлен на C++.
Для списка сетей и слоев, поддержанных для CUDA® генерация кода, смотрите Поддерживаемые Сети, Слои и Классы (GPU Coder).
Чтобы узнать больше о генерации кода для моделей Simulink, содержащих блок Predict, смотрите Генерацию кода для Глубокого обучения Модель Simulink, которая Выполняет Обнаружение Маршрута и Транспортного средства (GPU Coder).
1. Если смысл перевода понятен, то лучше оставьте как есть и не придирайтесь к словам, синонимам и тому подобному. О вкусах не спорим.
2. Не дополняйте перевод комментариями “от себя”. В исправлении не должно появляться дополнительных смыслов и комментариев, отсутствующих в оригинале. Такие правки не получится интегрировать в алгоритме автоматического перевода.
3. Сохраняйте структуру оригинального текста - например, не разбивайте одно предложение на два.
4. Не имеет смысла однотипное исправление перевода какого-то термина во всех предложениях. Исправляйте только в одном месте. Когда Вашу правку одобрят, это исправление будет алгоритмически распространено и на другие части документации.
5. По иным вопросам, например если надо исправить заблокированное для перевода слово, обратитесь к редакторам через форму технической поддержки.
