主要内容

importCaffeLayers

Caffeからの畳み込みニュラルネットワク層のンポト

ペ，ジ内をすべて折りたたむ

構文

layers = importCaffeLayers(原型文件)
layers = importCaffeLayers(protofile，'InputSize'，sz)

説明

例

层= importCaffeLayers (protofile）は，Caffe[1]ネットワクの層をンポトします。この関数は，.prototxtファereplicationルprotofileに定義された層を返します。

この関数には，深度学习工具箱™Caffe模型进口商サポ，トパッケ，ジが必要です。このサポートパッケージがインストールされていない場合,関数によってダウンロード用リンクが表示されます。

Caffe动物园模型[２]から事前学習済みのネットワ，クをダウンロ，ドできます。

层= importCaffeLayers (protofile“InputSize”,深圳）は，入力デ，タのサ，ズを指定します。.prototxtファ▪▪ルで入力デ▪▪タのサ▪▪ズが指定されていない場合，入力サ▪▪ズを指定しなければなりません。

例

すべて折りたたむ

この例では次を使用します:

深度学习工具箱导入Caffe模型サポトパッケジをダウンロドしてンストルします。

コマンドラ@ @ンにimportCaffeLayersと入力して，必要なサポ，トパッケ，ジをダウンロ，ドします。

importCaffeLayers

深度学习工具箱导入Caffe模型サポートパッケージがインストールされていない場合,この関数は,必要なサポートパッケージへのリンクをアドオンエクスプローラーに表示します。サポトパッケジをンストルするには，リンクをクリックして，[huawei @ huawei @ huawei @ huawei @ huawei @ huawei]をクリックします。

この例では次を使用します:

@ @ @ @ @ @ @ @ @ @ @ @ @ @“digitsnet.prototxt”を指定します。

protofile =“digitsnet.prototxt”；

ネットワク層をンポトします。

layers = importCaffeLayers(原型文件)
Layer array with layers: 1' testdata' Image Input 28x28x1 images 2' conv1' Convolution 20 5x5x1 convolutions with stride [1 1] and padding [0 0] 3 'relu1' ReLU ReLU 4 'pool1' Max Pooling 2x2 Max Pooling with stride [2 2] and padding [0 0] 5 'ip1' Fully Connected 10 Fully Connected Layer 6 'loss' Softmax Softmax 7 'output' Classification output crossentropyex with 'class1'， 'class2'， and 8个其他类

入力引数

すべて折りたたむ

ネットワ，クア，キテクチャが含まれる.prototxtファ@ @ルの名前。文字ベクトルまたは字符串スカラとして指定します。MATLAB®パス上のフォルダ，内の現在のフォルダ，にprotofileが含まれていなければならず,そうでなければこのファイルの絶対パスまたは相対パスを含めなければなりません。.prototxtファ▪▪ルによって入力デ▪タのサ▪▪ズが指定されていない場合，入力引数深圳を使用してサ@ @ズを指定しなければなりません。

例:“digitsnet.prototxt”

入力デタのサズ。行ベクトルとして指定します。入力データの高さ、幅、およびチャネル数に対応する 2 個または 3 個の整数値のベクトル(h, w)または[w h, c]を指定します。

例:[28 28 1]

出力引数

すべて折りたたむ

ネットワ，クア，キテクチャ。层配列またはLayerGraphオブジェクトとして返されます。カラーイメージを入力として取る咖啡ネットワークは,イメージがBGR形式であることを想定しています。importCaffeLayersは,インポート時にネットワークを変更して,インポート後のMATLABネットワークがRGBイメージを入力とするようにします。

詳細

すべて折りたたむ

インポートされたネットワークアーキテクチャ用のコードの生成

MATLAB编码器™またはGPU编码器™を深度学习工具箱と共に使用して,インポートされたネットワーク用の墨西哥人コード,スタンドアロンCPUコード,CUDA®Mexコ，ド，またはスタンドアロンcudaコ，ドを生成できます。詳細にいては，深層学習のコ，ド生成を参照してください。

  • MATLAB编码器を深度学习工具箱と共に使用して,デスクトップまたは組み込みターゲットで実行される墨西哥人コードまたはスタンドアロンCPUコードを生成します。英特尔®mml - dnnラaapl . armブラリまたは®计算ラ推导推导ラ推导推导推导公式ブラリを使用する生成済みのスタンドアロンコ推导推导推导公式ドを展開できます。あるいは,サードパーティライブラリの関数を呼び出さない汎用のC / c++コードを生成することもできます。詳細にいては，MATLAB编码器を使用した深層学習(MATLAB编码器)を参照してください。

  • GPU编码器を深度学习工具箱と共に使用して,デスクトップまたは組み込みターゲットで実行されるCUDA墨西哥人コードまたはスタンドアロンCUDAコードを生成します。CUDA深層ニューラルネットワークライブラリ(cuDNN) TensorRT™高性能推論ライブラリ,または马里GPU向け臂计算ライブラリを使用する生成済みのスタンドアロンCUDAコードを展開できます。詳細にいては，GPU编码器を使用した深層学習(GPU编码器)を参照してください。

importCaffeLayersは，ネットワ，クア，キテクチャ层を层オブジェクトまたはLayerGraphオブジェクトとして返します。コ，ド生成では、最初にインポートされた层オブジェクトまたはLayerGraphオブジェクトをネットワ，クに変換しなければなりません。assembleNetworkを使用して，层オブジェクトまたはLayerGraphオブジェクトをDAGNetworkオブジェクトまたはSeriesNetworkオブジェクトに変換します。dlnetworkを使用して，层オブジェクトまたはLayerGraphオブジェクトをdlnetworkオブジェクトに変換します。MATLAB编码器オブジェクトおよび深度学习工具箱オブジェクト用のGPU编码器サポートの詳細については,サポ，トされているクラス(MATLAB编码器)およびサポ，トされているクラス(GPU编码器)をそれぞれ参照してください。

コド生成をサポトする層をもあらゆるンポト済みネットワク用にコドを生成できます。MATLAB编码器およびGPU编码器を使用したコ，ド生成をサポ，トする層のリストにサポ，トされている層(MATLAB编码器)およびサポ，トされている層(GPU编码器)をそれぞれ参照してください。各組み込みMATLAB層のコード生成機能と制限の詳細については,各層の拡張機能の節を参照してください。例にいては，imageInputLayerのコ，ド生成とGpuコ，ド生成を参照してください。

图形处理器におけるaapl / aapl / aapl / aapl / aapl / aapl

Gpu上ではimportCaffeLayersは実行されません。ただし，importCaffeLayersは，深層学習用の事前学習済みニュ，ラルネットワ，クの層を，gpuで使用可能な层配列またはLayerGraphオブジェクトとして▪▪ンポ▪▪トします。

  • assembleNetworkを使用して，DAGNetworkオブジェクトに変換します。DAGNetworkオブジェクトでは，分类を使用して，cpuまたはgpuでクラスラベルを予測できます。名前と値の引数ExecutionEnvironmentを使用して，ハ，ドウェア要件を指定します。複数の出力があるネットワ，クの場合，関数预测を使用して，名前と値の引数ReturnCategoricalを真正的として指定します。

  • dlnetworkを使用して，dlnetworkオブジェクトに変換します。dlnetworkオブジェクトでは，预测を使用して，cpuまたはgpuでクラスラベルを予測できます。入力デ，タとネットワ，クパラメ，タ，のいずれかがgpuに保存されている場合，関数预测をgpuで実行できます。

    • minibatchqueueを使用して入力デ，タのミニバッチの処理と管理を行う場合，gpuが使用可能であれば，出力はminibatchqueueオブジェクトによってgpu配列に変換されます。

    • dlupdateを使用して，dlnetworkオブジェクトの学習可能パラメタをgpu配列に変換します。

      net = dlupdate(@gpuArray,net)

  • trainNetworkを使用して，cpuまたはgpuで，cpuンポ，cpuト済みの層に学習させることができます。実行環境のオプションを含む学習オプションを指定するには，関数trainingOptionsを使用します。名前と値の引数ExecutionEnvironmentを使用して，ハ，ドウェア要件を指定します。学習を高速化する方法の詳細にいては，并行、gpu和云中扩展深度学习を参照してください。

GPUを使用するには并行计算工具箱™とサポートされているGPUデバイスが必要です。サポトされているデバスにいては，Gpu計算の要件(并行计算工具箱)を参照してください。

ヒント

参照

バ，ジョン履歴

R2017aで導入

参考

||||||||

トピック