importKerasNetwork
导入预先训练的Keras网络和权重
描述
例子
下载并安装用于张量流模型的深度学习工具箱转换器
下载并安装用于TensorFlow模型的深度学习工具箱转换器支持包。万博1manbetx
类型importKerasNetwork在命令行。
importKerasNetwork
如果没有安装用于TensorFlow Models的深度学习工具箱转换器支持包，则该功能将在Add-On Explorer万博1manbetx中提供到所需支持包的链接。如果需要安装支持包，请单击链接万博1manbetx，然后单击安装．通过从模型文件导入网络来检查安装是否成功“digitsDAGnet.h5”在命令行。如果安装了所需的支持包，则函数返万博1manbetx回一个DAGNetwork对象。
modelfile =“digitsDAGnet.h5”；net = importKerasNetwork(modelfile)
警告:已保存的Keras网络不包含类。类将设置为categorical(1:N)，其中N为网络分类输出层中的类数量。要指定类，使用' classes '参数。
net = DAGNetwork属性:Layers: [13x1 nnet.cnn.layer.Layer] Connections: [13x2 table] InputNames: {'input_1'} OutputNames: {'ClassificationLayer_activation_1'}
导入和绘制Keras网络
指定要导入的文件。该文件digitsDAGnet.h5包含一个有向无环图卷积神经网络，用于对数字图像进行分类。
modelfile =“digitsDAGnet.h5”；
导入网络。
net = importKerasNetwork(modelfile)
警告:已保存的Keras网络不包含类。类将设置为categorical(1:N)，其中N为网络分类输出层中的类数量。要指定类，使用' classes '参数。
net = DAGNetwork属性:Layers: [13x1 nnet.cnn.layer.Layer] Connections: [13x2 table] InputNames: {'input_1'} OutputNames: {'ClassificationLayer_activation_1'}
绘制网络架构图。
情节(净)标题(“DAG网络架构”）
导入Keras网络和权重
指定要导入的网络和权重文件。
modelfile =“digitsDAGnet.json”；重量=“digitsDAGnet.weights.h5”；
这是一个以数字数据为训练对象的有向无环图卷积神经网络。
导入网络架构，并从单独的文件导入权重。json文件没有输出层或关于成本函数的信息。在导入文件时指定输出层类型。
net = importKerasNetwork(modelfile，“WeightFile”权重,.．.“OutputLayerType”，“分类”）
警告:已保存的Keras网络不包含类。类将设置为categorical(1:N)，其中N为网络分类输出层中的类数量。要指定类，使用' classes '参数。
net = DAGNetwork属性:Layers: [13x1 nnet.cnn.layer.Layer] Connections: [13x2 table] InputNames: {'input_1'} OutputNames: {'ClassificationLayer_activation_1'}
导入预训练的Keras网络对图像进行分类
指定模型文件。
modelfile =“digitsDAGnet.h5”；
指定类名。
classNames = {' 0 '，' 1 '，' 2 '，“3”，“4”，“5”，“6”，“7”，“8”，“9”}；
导入带有类名的Keras网络。
net = importKerasNetwork(modelfile，“类”类名);
读取图像进行分类。
digitDatasetPath = fullfile(toolboxdir)“nnet”)，“nndemos”，“nndatasets”，“DigitDataset”）;I = imread(fullfile(digitDatasetPath)，“5”，“image4009.png”));
利用预训练的网络对图像进行分类。
label = classification (net,I);
显示图像和分类结果。
imshow (I)标题([“分类结果:”char(标签)))
输入参数
输出参数
限制
importKerasNetwork万博1manbetx支持TensorFlow-Keras版本如下:该函数完全支持2.2.4版本的Tens万博1manbetxorFlow-Keras。
该函数对TensorFlow-Keras 2.2.5到2万博1manbetx.4.0版本提供有限的支持。
更多关于
提示
如果网络中包含一层张量流模型的深度学习工具箱转换器不支持(参见万博1manbetx万博1manbetx支持的Keras层),然后
importKerasNetwork返回一个错误消息。在这种情况下，您仍然可以使用importKerasLayers导入网络结构和权重。您可以导入具有多输入多输出(MIMO)的Keras网络。使用
importKerasNetwork如果网络包含输入的输入大小信息和输出的损耗信息。否则,使用importKerasLayers．的importKerasLayers函数为输入和输出插入占位符层。导入之后，您可以使用以下命令查找并替换占位符层findPlaceholderLayers而且replaceLayer,分别。导入MIMO Keras网络的工作流程与导入MIMO ONNX™网络的工作流程相同。示例请参见导入和组装多输出ONNX网络．要了解具有多输入多输出的深度学习网络，请参见多输入多输出网络．要使用预训练的网络对新图像进行预测或转移学习，必须以与用于训练导入模型的图像预处理相同的方式对图像进行预处理。最常见的预处理步骤是调整图像的大小，减去图像平均值，并将图像从BGR格式转换为RGB格式。
有关用于训练和预测的预处理图像的更多信息，请参见用于深度学习的图像预处理．
MATLAB使用的是基于单一的索引，而Python®使用从零开始的索引。换句话说，数组中的第一个元素在MATLAB和Python中索引分别为1和0。有关MATLAB索引的更多信息，请参见数组索引．在MATLAB中，要使用索引数组(
印第安纳州)，将数组转换为印第安纳州+ 1．更多提示，请参见关于从TensorFlow、PyTorch和ONNX导入模型的提示．
选择功能
使用
importKerasNetwork或importKerasLayers导入HDF5或JSON格式的TensorFlow-Keras网络。如果TensorFlow网络是保存的模型格式，则使用importTensorFlowNetwork或importTensorFlowLayers．如果您导入一个自定义TensorFlow-Keras层，或者如果软件不能将TensorFlow-Keras层转换为等效的内置MATLAB层，您可以使用
importTensorFlowNetwork或importTensorFlowLayers，它们试图生成一个自定义层。例如,importTensorFlowNetwork而且importTensorFlowLayers当你导入一个TensorFlow-Keras时生成一个自定义层λ层。
参考文献
[1]Keras: Python深度学习库．https://keras.io．
版本历史
在R2017b中引入
您也可以从以下列表中选择网站: