В Deep Learning Toolbox™ вы можете архитектуры сети define с несколькими входными параметрами (например, сети, обученные на многочисленных источниках и типах данных) или несколько выходных параметров (например, сети, который предсказывает и классификацию и ответы регрессии).
Задайте сети с несколькими входными параметрами, когда сеть потребует данных из многочисленных источников или в различных форматах. Например, сети, которые требуют данных изображения, полученных от нескольких датчиков в различных разрешениях.
Чтобы задать и обучить нейронную сеть для глубокого обучения с несколькими входными параметрами, задайте сетевую архитектуру с помощью layerGraph возразите и обучите использование trainNetwork функция с datastore вводится.
Чтобы использовать datastore для сетей с несколькими входными слоями, используйте combine и transform функции, чтобы создать datastore, который выводит массив ячеек с (numInputs + 1) столбцы, где numInputs количество сетевых входных параметров. В этом случае, первый numInputs столбцы задают предикторы для каждого входа, и последний столбец задает ответы. Распоряжение входных параметров дано InputNames свойство графика слоев layers.
Совет
Если сеть также имеет несколько выходных параметров, то необходимо использовать пользовательский учебный цикл. для получения дополнительной информации смотрите Несколько - Выходные Сети.
Чтобы сделать предсказания на обученной нейронной сети для глубокого обучения с несколькими входными параметрами, используйте любого predict или classify функция. Задайте несколько входных параметров с помощью одного из следующего:
combinedDatastore объект
transformedDatastore объект
несколько числовых массивов
Задайте сети с несколькими выходными параметрами для задач, требующих множественных ответов в различных форматах. Например, задачи, требующие и категориального и числового выхода.
Чтобы обучить нейронную сеть для глубокого обучения с несколькими выходными параметрами, используйте пользовательский учебный цикл. Для примера смотрите, Обучат сеть с Несколькими Выходными параметрами.
Чтобы сделать предсказания с помощью функции модели, используйте функцию модели непосредственно обученными параметрами. Для примера смотрите, Делают Предсказания Используя Функцию Модели.
В качестве альтернативы преобразуйте функцию модели в DAGNetwork объект с помощью assembleNetwork функция. С собранной сетью вы можете:
Для примера смотрите, Собирают Несколько - Выходная Сеть для Предсказания.
