Stateful Classify
Классифицируйте данные с помощью обученной рекуррентной нейронной сети глубокого обучения
- Библиотека:
Deep Learning Toolbox / Глубокие нейронные сети
Описание
Блок Stateful Classify предсказывает метки класса для данных во входе при помощи обученной рекуррентной нейронной сети, заданной через параметры блоков. Этот блок позволяет загружать предварительно обученной сети в Simulink® модель из MAT-файла или из MATLAB® функция. Этот блок обновляет состояние сети с каждым предсказанием.
Ограничения
Блок Stateful Classify не поддерживает логгирование MAT-файла.
Порты
Входной параметр
input — Последовательность или данные временных рядов
числовой массив
Формат входа зависит от типа данных.
| Входной параметр | Описание |
|---|---|
| Векторные последовательности | 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. |
Вывод
ypred — Предсказанные метки класса
перечислимый
Предсказанный класс помечает самым высоким счетом, возвращенным как N-by-1 перечисленный вектор из меток, где N является количеством наблюдений.
scores — Предсказанные баллы класса
матрица
Предсказанные баллы, возвращенные как N-by-K матрица, где N является количеством наблюдений и K, являются количеством классов.
labels — Класс помечает для предсказанных баллов
матрица
Метки сопоставили с предсказанными баллами, возвращенными как N-by-K матрица, где N является количеством наблюдений, и K является количеством классов.
Параметры
Network — Источник для обученной рекуррентной нейронной сети
Network from MAT-file (значение по умолчанию) | Network from MATLAB function
Задайте источник для обученной рекуррентной нейронной сети. Обучивший сеть должен иметь по крайней мере один текущий слой (например, сеть LSTM). Выберите одно из следующего:
Network from MAT-file— Импортируйте обученную рекуррентную нейронную сеть из MAT-файла, содержащегоSeriesNetwork,DAGNetwork, илиdlnetworkобъект.Network from MATLAB function— Импортируйте предварительно обученную рекуррентную нейронную сеть из функции MATLAB.
Программируемое использование
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 обученную рекуррентную нейронную сеть
untitled.mat (значение по умолчанию) | имя MAT-файла
Этот параметр задает имя MAT-файла, который содержит обученную рекуррентную нейронную сеть, чтобы загрузить. Если файл не находится на пути MATLAB, используйте кнопку Browse, чтобы определить местоположение файла.
Зависимости
Чтобы включить этот параметр, установите параметр Network на Network from MAT-file.
Программируемое использование
Параметры блоков: NetworkFilePath |
| Ввод: вектор символов, строка |
| Значения: путь к MAT-файлу или имя |
Значение по умолчанию: 'untitled.mat' |
MATLAB function — Имя функции MATLAB
untitled (значение по умолчанию) | имя функции MATLAB
Этот параметр задает имя функции MATLAB для предварительно обученной рекуррентной нейронной сети.
Зависимости
Чтобы включить этот параметр, установите параметр Network на Network from MATLAB function.
Программируемое использование
Параметры блоков: NetworkFunction |
| Ввод: вектор символов, строка |
| Значения: имя функции MATLAB |
Значение по умолчанию: 'untitled' |
Sample time — Выведите период расчета и дополнительное смещение времени
-1
Параметр Sample time задает, когда блок вычисляет новое выходное значение в процессе моделирования. Для получения дополнительной информации см. Настройку времени выборки (Simulink).
Задайте параметр Sample time как скаляр, когда вы не захотите, чтобы выход возместил время. Чтобы добавить смещение времени к выходу, задайте параметр Sample time как 1- 2 вектор, где первым элементом является период выборки и второй элемент, является смещением.
По умолчанию значением параметров Sample time является -1 наследовать значение.
Программируемое использование
Параметры блоков: SampleTime |
| Ввод: символьный вектор |
| Значения: скаляр | вектор |
Значение по умолчанию: '-1' |
Classification — Выведите предсказанную метку с самым высоким счетом
on (значение по умолчанию) | off
Включите выходному порту ypred это выводит метку с самым высоким счетом.
Программируемое использование
Параметры блоков: Classification |
| Ввод: вектор символов, строка |
Значения: 'off' | 'on' |
Значение по умолчанию: 'on' |
Predictions — Выведите все баллы и сопоставленные метки
off (значение по умолчанию) | on
Включите выходным портам scores и labels тот выход все предсказанные баллы и сопоставленные метки класса.
Программируемое использование
Параметры блоков: Predictions |
| Ввод: вектор символов, строка |
Значения: 'off' | 'on' |
Значение по умолчанию: 'off' |
Расширенные возможности
Генерация кода C/C++
Генерация кода C и C++ с помощью Simulink® Coder™.
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.
Генерация кода графического процессора
Сгенерируйте код CUDA® для NVIDIA® графические процессоры с помощью GPU Coder™.
Указания и ограничения по применению:
Параметр Language в Configuration Parameters> Code Generation общая категория должен быть установлен на
C++.Генерация кода графического процессора поддерживает этот блок только при предназначении для cuDNN библиотеки.