importTensorFlowNetwork
事前学習済みのTensorFlowネットワクのンポト
説明
は,SavedModel形式(これはTensorFlow™2とのみ互換性があります)でモデルが格納されているフォルダー网
= importTensorFlowNetwork (modelFolder
)modelFolder
から事前学習済みのTensorFlowネットワクをンポトします。この関数は,TensorFlow-Kerasの顺序APIまたは功能APIを使用して作成されたTensorFlowネットワークをインポートできます。importTensorFlowNetwork
は,saved_model.pb
ファesc escルで定義された層,および变量
サブフォルダに格納された学習済みの重みをンポトし,ネットワク网
をDAGNetwork
オブジェクトまたはdlnetwork
オブジェクトとして返します。
importTensorFlowNetwork
を使用するには,深度学习工具箱™TensorFlow模型转换器サポ,トパッケ,ジが必要です。このサポトパッケジがンストルされていない場合,importTensorFlowNetwork
によってダウンロ,ド用リンクが表示されます。
メモ
カスタムのTensorFlow層をインポートしたとき,またはソフトウェアがTensorFlow層をそれと等価な組み込みのMATLAB®層に変換できないとき,importTensorFlowNetwork
はカスタム層の生成を試みます。ソフトウェアによる変換がサポトされている層の一覧にいては,組み込みのMATLAB層への変換がサポ,トされているTensorFlow-Keras層を参照してください。
importTensorFlowNetwork
は,生成されたカスタム層および関連するTensorFlow演算子をパッケ,ジ+
に保存します。modelFolder
importTensorFlowNetwork
は,組み込みのMATLAB層への変換がサポートされていない各TensorFlow層のカスタム層を自動生成しません。サポトされていない層の処理方法の詳細にいては,ヒントを参照してください。
は1つ以上の名前と値の引数で指定された追加オプションを使用して,事前学習済みのTensorFlowネットワークをインポートします。たとえば,网
= importTensorFlowNetwork (modelFolder
,名称,值
)“OutputLayerType”、“分类”
はネットワ,クをDAGNetwork
としてインポートしますが,その際,インポートされたネットワークアーキテクチャの末尾に分類出力層が追加されます。
例
TensorFlowネットワクのメジ分類用DAGNetwork
としての▪▪ンポ▪▪ト
SavedModel形式で保存された事前学習済みのTensorFlowネットワ,クをDAGNetwork
ジを分類します。
モデルフォルダ,を指定します。
如果~ (“digitsDAGnet”,“dir”)解压缩(“digitsDAGnet.zip”)结束modelFolder =”。/ digitsDAGnet ';
クラス名を指定します。
classNames = {' 0 ',' 1 ',' 2 ',“3”,“4”,“5”,“6”,“7”,“8”,“9”};
SavedModel形式で保存されたTensorFlowネットワクをンポトします。既定では,importTensorFlowNetwork
はネットワ,クをDAGNetwork
オブジェクトとして▪▪ンポ▪▪トします。@ @ @ @ @ @ @ @ @ @ @ @ @ @。
net = importTensorFlowNetwork(modelFolder,“OutputLayerType”,“分类”,“类”类名)
导入已保存的模型…翻译模型,这可能需要几分钟……完成翻译。装配网络……导入完成。
net = DAGNetwork with properties: Layers: [13×1 nnet.cnn.layer.Layer] Connections: [13×2 table] InputNames: {'input_1'} OutputNames: {'ClassificationLayer_activation_1'}
ネットワ,クア,キテクチャをプロットします。
情节(净)标题(“DAG网络架构”)
分類するメジを読み取り,そのメジのサズを表示します。このイメージは,サイズが28×28ピクセルであるグレースケール(1チャネル)のイメージです。
digitDatasetPath = fullfile(toolboxdir(“nnet”),“nndemos”,“nndatasets”,“DigitDataset”);I = imread(fullfile(digitDatasetPath),“5”,“image4009.png”));大小(我)
ans =1×228日28日
ネットワクの入力サズを表示します。。それらが一致していない場合は,imresize(我netInputSize (1:2))
を使用して▪▪メ▪▪ジのサ▪▪ズを変更しなければなりません。
net.Layers (1) .InputSize
ans =1×328 28 1
事前学習済みのネットワクを使用してメジを分類します。
标签=分类(net,I);
メ,ジと分類結果を表示します。
imshow (I)标题([“分类结果”char(标签)))
TensorFlowネットワクのメジ分類用dlnetwork
としての▪▪ンポ▪▪ト
SavedModel形式で保存された事前学習済みのTensorFlowネットワ,クをdlnetwork
オブジェクトとしてンポトし,ンポトしたネットワクを使用してクラスラベルを予測します。
モデルフォルダ,を指定します。
如果~ (“digitsDAGnet”,“dir”)解压缩(“digitsDAGnet.zip”)结束modelFolder =”。/ digitsDAGnet ';
クラス名を指定します。
classNames = {' 0 ',' 1 ',' 2 ',“3”,“4”,“5”,“6”,“7”,“8”,“9”};
SavedModel形式で保存されたTensorFlowネットワ,クをdlnetwork
オブジェクトとして▪▪ンポ▪▪トします。
net = importTensorFlowNetwork(modelFolder,“TargetNetwork”,“dlnetwork”)
导入已保存的模型…翻译模型,这可能需要几分钟……完成翻译。装配网络……导入完成。
net = dlnetwork with properties: Layers: [12×1 nnet.cnn.layer.Layer] Connections: [12×2 table] Learnables: [6×3 table] State: [0×3 table] InputNames: {'input_1'} OutputNames: {'activation_1'} Initialized: 1 .初始化
分類するメジを読み取り,そのメジのサズを表示します。このイメージは,サイズが28×28ピクセルであるグレースケール(1チャネル)のイメージです。
digitDatasetPath = fullfile(toolboxdir(“nnet”),“nndemos”,“nndatasets”,“DigitDataset”);I = imread(fullfile(digitDatasetPath),“5”,“image4009.png”));大小(我)
ans =1×228日28日
ネットワクの入力サズを表示します。。それらが一致していない場合は,imresize(我netInputSize (1:2))
を使用して▪▪メ▪▪ジのサ▪▪ズを変更しなければなりません。
netInputSize = net.Layers(1).InputSize
netInputSize =1×328 28 1
メ,ジをdlarray
に変換します。メ,ジを次元“SSCB”
(空间,空间,通道,批次)で書式設定。この場合,バッチサ▪▪ズは1であるため,バッチサ▪▪ズを省略できます(SSC的
)。
I_dlarray = dlarray(single(I)),“SSCB”);
サンプル▪▪メ▪ジを分類し,予測されたラベルを見▪▪けます。
prob = predict(net,I_dlarray);[~,label] = max(prob);
メ,ジと分類結果を表示します。
imshow (I)标题([“分类结果”一会{标签}])
TensorFlowネットワクのンポトとカスタム層の自動生成
SavedModel形式で保存された事前学習済みのTensorFlowネットワ,クをDAGNetwork
ジを分類します。インポートしたネットワークには,組み込みのMATLAB層への変換がサポートされていない層が含まれています。これらの層を。
この例では,補助関数findCustomLayers
を使用します。この関数のコ,ドを見るには,補助関数を参照してください。
モデルフォルダ,を指定します。
如果~ (“digitsDAGnetwithnoise”,“dir”)解压缩(“digitsDAGnetwithnoise.zip”)结束modelFolder =”。/ digitsDAGnetwithnoise ';
クラス名を指定します。
classNames = {' 0 ',' 1 ',' 2 ',“3”,“4”,“5”,“6”,“7”,“8”,“9”};
SavedModel形式で保存されたTensorFlowネットワクをンポトします。既定では,importTensorFlowNetwork
はネットワ,クをDAGNetwork
オブジェクトとして▪▪ンポ▪▪トします。@ @ @ @ @ @ @ @ @ @ @ @ @ @。
net = importTensorFlowNetwork(modelFolder,“OutputLayerType”,“分类”,“类”类名);
导入已保存的模型…翻译模型,这可能需要几分钟……完成翻译。装配网络……导入完成。
インポートしたネットワークに,組み込みのMATLAB層への変換がサポートされていない層が含まれている場合,importTensorFlowNetwork
は,これらの層の代わりにカスタム層を自動生成できます。importTensorFlowNetwork
は,生成した各カスタム層を,現在のフォルダ,内のパッケ,ジ+ digitsDAGnetwithnoise
に個別の00
ファ@ @ルとして保存します。
補助関数findCustomLayers
を使用して,自動生成されたカスタム層の▪▪ンデックスを見▪▪け,このカスタム層を表示します。
ind = findCustomLayers(net。层,' + digitsDAGnetwithnoise ');net.Layers(印第安纳州)
ans = 2×1带有层的层数组:1' gaussian_noise_1' GaussianNoise digitsDAGnetwithnoise。kGaussianNoise1Layer3766 2' gaussian_noise_2' GaussianNoise digitsDAGnetwithnoise.kGaussianNoise2Layer3791
ネットワ,クア,キテクチャをプロットします。
情节(净)标题(“DAG网络架构”)
分類する▪▪メ▪▪ジを読み取ります。
digitDatasetPath = fullfile(toolboxdir(“nnet”),“nndemos”,“nndatasets”,“DigitDataset”);I = imread(fullfile(digitDatasetPath),“5”,“image4009.png”));
事前学習済みのネットワクを使用してメジを分類します。
标签=分类(net,I);
メ,ジと分類結果を表示します。
imshow (I)标题([“分类结果”char(标签)))
補助関数
この節では,この例で使用されている補助関数findCustomLayers
のコ,ドを示します。findCustomLayers
は,importTensorFlowNetwork
によって自動生成されたカスタム層の指数
を返します。
函数index = findCustomLayers(layers,PackageName) s = what([‘。’PackageName]);索引= 0(1,长度(s.m));为I = 1:长度(层数)为J = 1:长度(s.m)如果strcmpi(类(层(i)), [PackageName(2:结束)“。”S.m {j}(1:end-2)]) index (j) = i;结束结束结束结束
入力引数
modelFolder
- - - - - -TensorFlowモデルフォルダ,の名前
文字ベクトル|字符串スカラ
TensorFlowモデルが含まれるフォルダ,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。modelFolder
は現在のフォルダ,内になければなりません。そうでない場合は,フォルダ,への絶対パスまたは相対パスを指定しなければなりません。modelFolder
には,ファsaved_model.pb
およびサブフォルダ变量
が含まれていなければなりません。このフォルダ,には,サブフォルダ,资产
およびassets.extra
も含めることができます。
ファereplicationル
saved_model.pb
には,層グラフのアーキテクチャと学習オプション(オプティマイザー,損失,メトリクスなど)が格納されます。サブフォルダ
变量
には,事前学習済みのTensorFlowネットワ,クによって学習された重みが格納されます。既定では,importTensorFlowNetwork
は重みを▪▪ンポ▪▪トします。サブフォルダ
资产
には,層グラフが使用できる補足ファaaplル(語彙など)が格納されます。importTensorFlowNetwork
は,このファ资产
に▪▪ンポ▪▪トしません。サブフォルダ
assets.extra
には,層グラフと共存する補足ファル(ユザのための情報など)が格納されます。
例:“MobileNet”
例:”。/ MobileNet '
名前と値の引数
オプションの引数のペアをName1 = Value1,…,以=家
として指定します。ここで,的名字
は引数名で,价值
は対応する値です。名前と値の引数は他の引数の後に指定しなければなりませんが、ペアの順序は重要ではありません。
R2021aより前では,コンマを使用して名前と値の各ペアを区切り,的名字
を引用符で囲みます。
例:importTensorFlowNetwork (modelFolder‘TargetNetwork’,‘dagnetwork’,‘OutputLayerType’,“分类”)
は,ネットワ,クをDAGNetwork
オブジェクトとしてmodelFolder
からンポトし,自動生成したカスタム層を現在のフォルダ内のパッケジ+ modelFolder
に保存して,ンポトしたネットワクアキテクチャの末尾に分類出力層を追加します。
PackageName
- - - - - -カスタム層パッケ,ジの名前
文字ベクトル|字符串スカラ
importTensorFlowNetwork
がカスタム層を保存するパッケ,ジの名前。文字ベクトルまたは字符串スカラとして指定します。importTensorFlowNetwork
は,カスタム層のパッケ,ジ+
を現在のフォルダ,に保存します。PackageName
“PackageName”
を指定しない場合,importTensorFlowNetwork
は,カスタム層を現在のフォルダ,内の+
という名前のパッケ,ジに保存します。パッケジの詳細にいては,パッケ,ジによる名前空間の作成を参照してください。modelFolder
カスタムのTensorFlow層をインポートしたとき,またはソフトウェアがTensorFlow層をそれと等価な組み込みのMATLAB層に変換できないとき,importTensorFlowNetwork
はカスタム層の生成を試みます。importTensorFlowNetwork
は,生成した各カスタム層を,+
で個別のPackageName
00
ファ@ @ルとして保存します。カスタム層を表示または編集するには,関連する00
ファ@ @ルを開きます。カスタム層の詳細にいては,深層学習のカスタム層を参照してください。
パッケ,ジ+
には,サブパッケ,ジPackageName
+行动
を含めることもできます。このサブパッケ,ジには,自動生成されたカスタム層で使用されるTensorFlow演算子(サポ,トされているTensorFlow演算子を参照)に対応するmatlab関数が格納されます。importTensorFlowNetwork
は,各演算子に関連するmatlab関数をサブパッケ,ジ+行动
内の個別の00
ファ@ @ルに保存します。dlnetwork
のオブジェクト関数(関数预测
など)は,カスタム層とやり取りするときにこれらの演算子を使用します。
例:“PackageName”、“MobileNet”
例:“PackageName”、“CustomLayers”
TargetNetwork
- - - - - -深度学习工具箱ネットワクのタゲットタプ
“dagnetwork”
(既定値) |“dlnetwork”
深度学习工具箱ネットワクのタゲットタプ。“dagnetwork”
または“dlnetwork”
として指定します。
ネットワ,クを
DAGNetwork
オブジェクトとしてンポトするには,“TargetNetwork
を“dagnetwork”
として指定します。この場合,网
には,TensorFlowのSavedModel損失関数または名前と値の引数“OutputLayerType”
によって指定された出力層が含まれていなければなりません。ネットワ,クを
dlnetwork
オブジェクトとしてンポトするには,“TargetNetwork
を“dlnetwork”
として指定します。この場合,网
には出力層が含まれません。
例:“TargetNetwork”、“dlnetwork”
OutputLayerType
- - - - - -出力層のタ@ @プ
“分类”
|“回归”
|“pixelclassification”
インポートされたネットワークアーキテクチャの最後にimportTensorFlowNetwork
によって追加される出力層のタ@ @プ。“分类”
、“回归”
,または“pixelclassification”
として指定します。pixelClassificationLayer
(计算机视觉工具箱)オブジェクトを追加するには,计算机视觉工具箱™が必要です。
“TargetNetwork”
を“dagnetwork”
として指定し,modelFolder
内のSavedModelによって損失関数が指定されていない場合,名前と値の引数“OutputLayerType”
に値を割り当てなければなりません。DAGNetwork
オブジェクトは出力層をもたなければなりません。“TargetNetwork”
を“dlnetwork”
として指定した場合,importTensorFlowNetwork
は名前と値の引数“OutputLayerType”
を無視します。dlnetwork
オブジェクトは出力層をもません。
例:“OutputLayerType”、“分类”
ImageInputSize
- - - - - -入力▪▪メ▪▪ジのサ▪▪ズ
2個または3個の数値のベクトル
ネットワクの入力メジのサズ。グレスケルメジの(高度、宽度)
またはカラ(高度、宽度、渠道)
2個または3個の数値のベクトルとして指定します。modelFolder
内のsaved_model.pb
ファルで入力サズが指定されていない場合,ネットワクはこの情報を使用します。
例:“ImageInputSize”,[28 28]
类
- - - - - -出力層のクラス
“汽车”(既定値) |分类ベクトル|字符串配列|文字ベクトルのcell配列
出力層のクラス。分类ベクトル,字符串配列,文字ベクトルの单元格配列,または“汽车”
として指定します。字符串配列または文字ベクトルの cell 配列str
を指定した場合,importTensorFlowNetwork
によって出力層のクラスが分类(str, str)
に設定されます。类
が“汽车”
の場合,importTensorFlowNetwork
によってクラスが分类(1:N)
に設定されます。ここで,N
はクラスの数です。
“TargetNetwork”
を“dagnetwork”
として指定した場合,importTensorFlowNetwork
は,クラスに関する情報をDAGNetwork
オブジェクトの出力層に保存します。“TargetNetwork”
を“dlnetwork”
として指定した場合,importTensorFlowNetwork
は名前と値の引数“类”
を無視します。dlnetwork
オブジェクトは,クラスに関する情報を保存する出力層をもません。
例:“类”,{' 0 ',' 1 ',' 3 '}
例:“类”,直言({‘狗’,‘猫’})
デ,タ型:字符
|分类
|字符串
|细胞
详细的
- - - - - -インポートの進行状況を表示するかどうかのインジケーター
真正的
または1
(既定値) |假
または0
コマンドウィンドウに。数値または逻辑の1
(真正的
)か0
(假
)として指定します。
例:“详细”,“真正的”
出力引数
网
-事前学習済みのTensorFlowネットワク
DAGNetwork
オブジェクト|dlnetwork
オブジェクト
事前学習済みのTensorFlowネットワ,ク。DAGNetwork
オブジェクトまたはdlnetwork
オブジェクトとして返されます。
制限
importTensorFlowNetwork
は,TensorFlowバジョンv2.0 ~ 2.6をサポトします。
詳細
組み込みのMATLAB層への変換がサポ,トされているTensorFlow-Keras層
importTensorFlowNetwork
は,組み込みMATLAB層に変換可能な次のタイプのTensorFlow-Keras層をサポートします(いくつかの制限があります)。
TensorFlow-Keras層 | 対応する深度学习工具箱の層 |
---|---|
添加 |
additionLayer |
|
層: |
高度な活性化:
|
層:
|
AveragePooling1D |
“的意思是” として指定されたPaddingValue をもaveragePooling1dLayer |
AveragePooling2D |
“的意思是” として指定されたPaddingValue をもaveragePooling2dLayer |
BatchNormalization |
batchNormalizationLayer |
双向(LSTM (__)) |
bilstmLayer |
连接 |
depthConcatenationLayer |
Conv1D |
convolution1dLayer |
Conv2D |
convolution2dLayer |
Conv2DTranspose |
transposedConv2dLayer |
CuDNNGRU |
gruLayer |
CuDNNLSTM |
lstmLayer |
密集的 |
fullyConnectedLayer |
DepthwiseConv2D |
groupedConvolution2dLayer |
辍学 |
dropoutLayer |
嵌入 |
wordEmbeddingLayer (文本分析工具箱) |
平 |
nnet.keras.layer.FlattenCStyleLayer |
GlobalAveragePooling1D |
globalAveragePooling1dLayer |
GlobalAveragePooling2D |
globalAveragePooling2dLayer |
GlobalMaxPool1D |
globalMaxPooling1dLayer |
GlobalMaxPool2D |
globalMaxPooling2dLayer |
格勒乌 |
gruLayer |
输入 |
imageInputLayer 、sequenceInputLayer またはfeatureInputLayer |
LSTM |
lstmLayer |
MaxPool1D |
maxPooling1dLayer |
MaxPool2D |
maxPooling2dLayer |
乘 |
multiplicationLayer |
SeparableConv2D |
groupedConvolution2dLayer またはconvolution2dLayer |
TimeDistributed |
sequenceFoldingLayer (ラップされた層の前)およびsequenceUnfoldingLayer (ラップされた層の後) |
UpSampling2D |
resize2dLayer (图像处理工具箱) |
UpSampling3D |
resize3dLayer (图像处理工具箱) |
ZeroPadding1D |
nnet.keras.layer.ZeroPadding1DLayer |
ZeroPadding2D |
nnet.keras.layer.ZeroPadding2DLayer |
* PReLU層の場合,importTensorFlowNetwork
によって,ベクトル値のスケ,リングパラメ,タ,がベクトル要素の平均値に置き換えられます。。例にいては,Keras PReLU層のンポトを参照してください。
サポ,トされているTensorFlow-Keras損失関数
importTensorFlowNetwork
は,次のKeras損失関数をサポ,トします。
mean_squared_error
categorical_crossentropy
sparse_categorical_crossentropy
binary_crossentropy
サポ,トされているTensorFlow演算子
importTensorFlowNetwork
は,dlarray
がサポートされたMATLAB関数への変換を行う次のTensorFlow演算子をサポートします。
TensorFlow演算子 | 対応するmatlab関数 |
---|---|
添加 |
tfAdd |
AddN |
tfAddN |
AddV2 |
tfAdd |
断言 |
断言 |
AvgPool |
tfAvgPool |
BatchMatMulV2 |
tfBatchMatMulV2 |
BiasAdd |
tfBiasAdd |
BroadcastTo |
tfBroadcastTo |
投 |
tfCast |
ConcatV2 |
tfCat |
常量 |
なし(カスタム層内の重みに変換される) |
Conv2D |
tfConv2D |
DepthToSpace |
depthToSpace (图像处理工具箱) |
DepthwiseConv2dNative |
tfDepthwiseConv2D |
经验值 |
经验值 |
ExpandDims |
tfExpandDims |
FusedBatchNormV3 |
tfBatchnorm |
GatherV2 |
tfGather |
GreaterEqual |
通用电气 ,>= |
身份 |
なし(カスタム層内の値の割り当てに変換される) |
IdentityN |
tfIdentityN |
L2Loss |
tfL2Loss |
LeakyRelu |
leakyrelu |
少 |
lt ,< |
日志 |
日志 |
MatMul |
tfMatMul |
MaxPool |
tfMaxPool |
最大 |
tfMaximum |
的意思是 |
tfMean |
最低 |
tfMinimum |
MirrorPad |
tfMirrorPad |
Mul |
tfMul |
负的 |
- ,- |
包 |
tfStack |
垫 |
tfPad |
PadV2 |
tfPad |
PartitionedCall |
なし(カスタム層のメソッド内の関数に変換される) |
战俘 |
权力 ,^。 |
刺激 |
tfProd |
RandomStandardNormal |
tfRandomStandardNormal |
范围 |
tfRange |
ReadVariableOp |
なし(カスタム層内の値の割り当てに変換される) |
RealDiv |
tfDiv |
线性整流函数(Rectified Linear Unit) |
线性整流函数(Rectified Linear Unit) |
Relu6 |
线性整流函数(Rectified Linear Unit) および最小值 |
重塑 |
tfReshape |
ResizeNearestNeighbor |
dlresize (图像处理工具箱) |
Rsqrt |
√6 |
形状 |
tfShape |
乙状结肠 |
乙状结肠 |
大小 |
tfSize |
Softmax |
softmax |
SpaceToDepth |
spaceToDepth (图像处理工具箱) |
广场 |
. ^ 2 |
√6 |
√6 |
SquaredDifference |
tfMul またはtfSub |
挤压 |
tfSqueeze |
StatefulPartitionedCall |
なし(カスタム層のメソッド内の関数に変換される) |
StopGradient |
tfStopGradient |
StridedSlice |
tfStridedSlice またはtfSqueeze |
子 |
tfSub |
双曲正切 |
双曲正切 |
瓷砖 |
tfTile |
转置 |
tfTranspose |
dlarray
オブジェクトを操作する関数の詳細にいては,Dlarrayをサポ,トする関数の一覧を参照してください。
インポートされたネットワーク用のコードの生成
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。
importTensorFlowNetwork
は,ネットワ,ク网
をDAGNetwork
オブジェクトまたはdlnetwork
オブジェクトとして返します。これらのオブジェクトは両方ともコ,ド生成をサポ,トします。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importTensorFlowNetwork
は実行されません。ただし,importTensorFlowNetwork
は,深層学習用の事前学習済みニュ,ラルネットワ,クを,gpuで使用可能なDAGNetwork
オブジェクトまたはdlnetwork
オブジェクトとして▪▪ンポ▪▪トします。
ネットワ,クを
DAGNetwork
オブジェクトとしてンポトした場合,分类
を使用して,CPUまたはgpuで実行できます。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,DAGNetwork
オブジェクト用の関数预测
を使用します。ネットワ,クを
DAGNetwork
オブジェクトとしてンポトした場合,预测
を使用して,CPUまたはgpuで実行できます。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。ネットワ,クに複数の出力がある場合は,名前と値の引数ReturnCategorical
を真正的
として指定します。ネットワ,クを
dlnetwork
オブジェクトとしてンポトした場合,预测
を使用して,CPUまたはgpuで実行できます。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
を使用することにより,インポートしたネットワークに1つのCPUまたは1つのGPUで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
インポートしたネットワークに,組み込みのMATLAB層への変換がサポートされていない層が含まれており(組み込みのMATLAB層への変換がサポ,トされているTensorFlow-Keras層を参照),
importTensorFlowNetwork
がカスタム層を生成しない場合,importTensorFlowNetwork
はエラ,を返します。この場合でも,importTensorFlowLayers
を使用してネットワクアキテクチャをンポトできます。事前学習済みのネットワークを新しいイメージの予測または転移学習に使用するには,インポートしたモデルの学習に使用したイメージに行った前処理と同じようにイメージを前処理しなければなりません。最も一般的な前処理ステップは,イメージのサイズ変更,イメージの平均値の減算,イメージのBGR形式からRGB形式への変換です。
学習および予測用のメジの前処理の詳細は,メ,ジの深層学習向け前処理を参照してください。
パッケ,ジ
+
の親フォルダーがMATLABパス上にない場合,このパッケージのメンバー(カスタム層およびTensorFlow演算子)にアクセスすることはできません。詳細にいては,パッケジとmatlabパスを参照してください。PackageName
MATLABは1ベスのンデックスを使用しますが,Python®は0ベスのンデックスを使用します。つまり,配列の最初の要素のインデックスは,MATLABとPythonでそれぞれ1と0になります。Matlab计算器ンデックスの詳細に计算器いては,配列@ @ンデックス付けを参照してください。MATLABで、Python で作成されたインデックス (
印第安纳州
)の配列を使用するには,配列を印第安纳州+ 1
に変換します。その他のヒントにいては,从TensorFlow, PyTorch和ONNX导入模型的技巧を参照してください。
代替機能
TensorFlowネットワクをSavedModel形式でンポトするには,importTensorFlowNetwork
またはimportTensorFlowLayers
を使用します[2]。または,ネットワ,クがhdf5形式かjson形式の場合は,importKerasNetwork
かimportKerasLayers
を使用してネットワクをンポトします。
参照
[1]TensorFlow.https://www.tensorflow.org/.
[2]使用SavedModel格式.https://www.tensorflow.org/guide/saved_model.
バ,ジョン履歴
R2021aで導入
Matlabコマンド
次のmatlabコマンドに対応するリンクがクリックされました。
コマンドをmatlabコマンドウィンドウに入力して実行してください。Webブラウザ,はMATLABコマンドをサポ,トしていません。
您也可以从以下列表中选择一个网站:
如何获得最佳的网站性能
选择中国站点(中文或英文)以获得最佳站点性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。