主要内容

纳斯内特拉格

预训练NASNet大卷积神经网络

  • NASNet大型网络体系结构

描述

NASNet Large是一种卷积神经网络,它对来自ImageNet数据库的100多万张图像进行训练[1]. 该网络可以将图像分为1000个对象类别,如键盘、鼠标、铅笔和许多动物。因此,该网络已经学习了广泛图像的丰富特征表示。该网络的图像输入大小为331×331。MATLAB中更多的预训练网络®看见预训练深度神经网络.

你可以用分类使用NASNet大型模型对新图像进行分类。按照利用GoogLeNet对图像进行分类并用NASNet Large替换GoogLeNet。

要在新的分类任务上重新训练网络,请执行的步骤训练深度学习网络对新图像进行分类并将NASNet加载为大型,而不是GoogLeNet。

实例

=nasnetlarge返回一个预训练的NASNet大型卷积神经网络。

此函数需要深度学习工具箱™ NASNet大型网络模型万博1manbetx支持包。如果未安装此支持包,则该功能将提供下载链接。

例子

全部崩溃

下载并安装NASNet大型网络的深度学习工具箱模型万博1manbetx支持包。

类型纳斯内特拉格在命令行。

纳斯内特拉格

如果NASNet大型网络的深度学习工具箱模型万博1manbetx如果未安装支持包,则该函数将在附加模块资源管理器中提供指向所需支持包的链接。要安装支持包,请单击链接,然后单击安装。通过键入来检查安装是否成功纳斯内特拉格在命令行。如果安装了所需的支持包,则函数将返回万博1manbetx达格网络对象

纳斯内特拉格
ans=具有以下属性的DAG网络:层:[1244×1 nnet.cnn.layer.layer]连接:[1463×2表]

使用Deep network Designer可视化网络。

deepNetworkDesigner(nasnetlarge)

在Deep Network Designer中,通过单击浏览其他预训练网络刚出现的.

显示可用预训练网络的Deep Network Designer起始页

如果需要下载网络,请暂停所需网络并单击安装打开加载项资源管理器。

您可以使用转移学习对网络进行再培训,以对一组新图像进行分类。

打开示例训练深度学习网络对新图像进行分类. 原始示例使用GoogLeNet预训练网络。要使用不同的网络执行迁移学习,请加载所需的预训练网络,并按照示例中的步骤进行操作。

加载NASNet大型网络,而不是GoogLeNet。

net=nasnetlarge

按照示例中的其余步骤重新训练网络。您必须用新层替换网络中最后一个可学习层和分类层,以便进行培训。该示例演示如何查找要替换的图层。

输出参数

全部崩溃

预训练NASNet大型卷积神经网络,返回为达格网络对象

工具书类

[1]图像网. http://www.image-net.org

[2] 佐夫、巴雷特、维杰·瓦苏德万、乔纳森·什伦斯和库克诉勒。“学习可扩展图像识别的可转移体系结构。”arXiv预印本arXiv:1707.070122,第6号(2017年)。

扩展能力

在R2019a中引入