文档帮助中心
使用经过训练的深度学习神经网络预测反应
深度学习工具箱/深度神经网络
的预测block通过使用block参数指定的训练过的网络来预测输入数据的响应。这个块允许将预先训练好的网络加载到Simulink中万博1manbetx®模型从matu文件或MATLAB®函数。
请注意
的预测块不支持万博1manbetxdlnetwork对象。
dlnetwork
全部展开
输入
的输入端口预测块接受所加载的网络的输入层的名称。例如,如果您指定googlenet为MATLAB函数的输入端口预测块标记数据。根据所加载的网络,预测块的输入可以是图像、序列或时间序列数据。
googlenet
MATLAB函数
输入的格式取决于数据的类型。
如果数组包含南s,然后它们通过网络传播。
南
输出
的输出端口预测块接受所加载网络的输出层的名称。例如,如果您指定googlenet为MATLAB函数的输出端口预测块标记输出。根据网络加载,输出预测块可以表示预测的分数或响应。
预测分数或反应,返回为aN——- - - - - -K数组,N是观察的次数,和K为类数。
如果你使激活对于网络层,预测块使用所选网络层的名称创建一个新的输出端口。此端口从选定的网络层输出激活。
激活
网络层的激活会以数字数组的形式返回。输出的格式取决于输入数据的类型和层输出的类型。
对于二维图像输出,激活是一个h——- - - - - -w——- - - - - -c——- - - - - -n数组,h,w,c所选图层输出的通道的高度、宽度和数量分别是n为图像数量。
对于包含矢量数据的单个时间步长,激活是ac——- - - - - -n矩阵,n序列的数量是多少c为序列中特征的数量。
对于包含二维图像数据的单一时间步长,激活是一个h——- - - - - -w——- - - - - -c——- - - - - -n数组,n为序列的个数,h,w,c分别为图像的高度、宽度和通道数。
网络
网络从MAT-file
MATLAB函数网络
squeezenet
指定训练过的网络的源。选择下列其中之一:
网络从MAT-file-从一个matu文件中导入一个训练好的网络SeriesNetwork或者一个DAGNetwork对象。
SeriesNetwork
DAGNetwork
MATLAB函数网络-从MATLAB函数中导入预训练的网络。例如,通过使用googlenet函数。
文件路径
此参数指定要加载的经过训练的深度学习网络的mat文件的名称。如果文件不在MATLAB路径上,则使用浏览按钮以定位文件。
要启用此参数,请设置网络参数网络从MAT-file。
这个参数指定了用于预训练的深度学习网络的MATLAB函数的名称。例如,使用googlenet函数导入预先训练好的GoogLeNet模型。
要启用此参数,请设置网络参数MATLAB函数网络。
Mini-batch大小
用于预测的小批量的大小,指定为正整数。更大的小批处理需要更多的内存,但可以导致更快的预测。
预测
启用返回预测分数或响应的输出端口。
网络的层次
使用激活列表中选择要提取特征的层。对象的输出端口显示所选层预测块。
在Simulink®模型中使用深度卷积神经网络来执行车道和车辆检测。万博1manbetx本例以交通视频中的帧作为输入,输出与ego车辆的左车道和右车道相对应的两个车道边界,并检测帧中的车辆。
用法说明和限制:
的语言参数配置参数>代码生成必须设置为“一般”类别c++。
c++
有关支持代码生成的网络和层的列表,请参见万博1manbetx网络和层支持c++代码生成万博1manbetx(MATLAB编码器)。
查询支持CUDA的网络和层的列表万博1manbetx®代码生成,请参阅万博1manbetx支持的网络和层(GPU编码器)。
的Simulink模型生成代码的更多信息万博1manbetx预测块,看用于执行车道和车辆检测的深度学习Simulink模型的代码生成万博1manbetx(GPU编码器)。
图像分类器
您点击了对应于以下MATLAB命令的链接:
通过在MATLAB命令窗口中输入该命令来运行该命令。Web浏览器不支持MATLAB命令。万博1manbetx
选择一个网站,在可用的地方获得翻译内容,并查看当地的活动和优惠。根据您的位置,我们建议您选择:。
您也可以从以下列表中选择一个网站:
选择中国网站(中文或英文)以获得最佳网站性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。
与当地办事处联系