预测
语法
描述
例子
预测使用dlnetwork对象
这个例子展示了如何使用作出预测dlnetwork对象数据分割到mini-batches。
对于大型的数据集,或者当预测硬件有限的内存,将数据分拆为mini-batches作出预测。进行预测时SeriesNetwork或DAGNetwork对象时,预测函数自动将输入数据分为mini-batches。为dlnetwork对象,您必须手动将数据分成mini-batches。
负载dlnetwork对象
加载一个训练dlnetwork对象和相应的类。
s =负载(“digitsCustom.mat”);dlnet = s.dlnet;类= s.classes;
负荷预测的数据
负荷预测的数字数据。
digitDatasetPath = fullfile (matlabroot,“工具箱”,“nnet”,“nndemos”,…“nndatasets”,“DigitDataset”);imd = imageDatastore (digitDatasetPath,…“IncludeSubfolders”,真正的);
作出预测
循环的mini-batches测试数据并作出预测使用自定义预测循环。
使用minibatchqueue处理和管理mini-batches图像。指定一个mini-batch大小为128。设置读取图像数据存储的大小属性mini-batch大小。
为每个mini-batch:
使用自定义mini-batch预处理功能
preprocessMiniBatch(在这个例子中定义)将数据合并到一个批处理和图像正常化。格式的图像尺寸
“SSCB”(空间、空间、通道、批)。默认情况下,minibatchqueue把数据转换为对象dlarray对象与基本类型单。对GPU如果一个可用作预测。默认情况下,
minibatchqueue将输出转换为对象gpuArray如果一个GPU是可用的。使用GPU需要并行计算工具箱™和支持GPU设备。万博1manbetx支持设备的信息,请参阅万博1manbetxGPU计算的需求(并行计算工具箱)。
miniBatchSize = 128;洛桑国际管理发展学院。ReadSize = miniBatchSize;兆贝可= minibatchqueue (imd,…“MiniBatchSize”miniBatchSize,…“MiniBatchFcn”@preprocessMiniBatch,…“MiniBatchFormat”,“SSCB”);
循环的minibatches数据并作出预测使用预测函数。使用onehotdecode函数来确定类标签。存储预测类标签。
numObservations =元素个数(imds.Files);YPred =字符串(1、numObservations);预测= [];%在mini-batches循环。而hasdata(兆贝可)% mini-batch读取的数据。dlX =下一个(兆贝可);%使用预测函数进行预测。dlYPred =预测(dlnet dlX);%确定相应的类。predBatch = onehotdecode (dlYPred类1);预测=[预测predBatch];结束
可视化的一些预测。
idx = randperm (numObservations 9);图为i = 1:9次要情节(3 3 i) i = imread (imds.Files {idx (i)});标签=预测(idx (i));imshow (I)标题(”的标签:“+字符串(标签)结束
Mini-Batch预处理功能
的preprocessMiniBatch使用以下步骤:预处理数据函数
从传入的单元阵列提取数据和连接到一个数字数组。连接在第四维度添加每个图像的三维空间,作为一个单通道维度。
标准化之间的像素值
0和1。
函数X = preprocessMiniBatch(数据)%从细胞中提取图像数据和连接X =猫(4、数据{:});%图像正常化。X = X / 255;结束
