预测

使用训练有素的深度学习神经网络预测反应

全部展开页面

库:
深度学习工具箱/深度神经网络

描述

的预测块通过使用块参数指定的训练网络预测输入数据的响应。这个模块允许将预先训练好的网络加载到Simulink中万博1manbetx^®模型从一个mat文件或MATLAB^®函数。

请注意

使用预测块在Simulink中进行预测。万博1manbetx使用MATLAB代码进行编程预测，使用分类和预测功能。

港口

输入

全部展开

`输入`—图像、特征、序列或时间序列数据
数字数组

的输入端口预测块接受所加载网络的输入层的名称。例如，如果指定googlenet为MATLAB函数的输入端口预测块标记数据．基于网络加载，预测块的输入可以是图像、序列或时间序列数据。

输入的格式取决于数据的类型。

数据	格式的预测
二维图像	一个h——- - - - - -w——- - - - - -c——- - - - - -N数字数组,h，w,c图像的高度、宽度和通道数量分别是和吗N为图像的个数。
向量序列	c——- - - - - -年代矩阵,c序列的特征数是和吗年代为序列长度。
二维图像序列	h——- - - - - -w——- - - - - -c——- - - - - -年代数组,h，w,c分别对应图像的高度、宽度和通道数量，和年代为序列长度。
特性	一个N——- - - - - -`numFeatures`数字数组,N观察的次数是多少`numFeatures`为输入数据的特征个数。

如果数组包含南，然后通过网络传播。

输出

全部展开

`输出`-预测分数、反应或激活
数字数组

的输出端口预测块接受所加载网络的输出层的名称。例如，如果指定googlenet为MATLAB函数的输出端口预测块标记输出．根据网络负载情况，输出预测块可以表示预测的分数或反应。

预测分数或反应，以a返回N——- - - - - -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创建一个新的输出端口，其名称为选定的网络层。该端口输出来自选定网络层的激活。

来自网络层的激活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所选图层的输出通道的高度、宽度和数量分别是多少n为图像的个数。

对于包含矢量数据的单个时间步长，激活是c——- - - - - -n矩阵,n序列的个数是和吗c为序列中特征的个数。

对于包含二维图像数据的单个时间步长，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、宽度和通道数量。

参数

全部展开

`网络`-训练有素的网络来源
`网络从MAT-file`(默认)|`网络从MATLAB函数`

指定训练网络的源。选择以下其中之一:

网络从MAT-file—从包含a的mat -文件中导入一个训练过的网络SeriesNetwork，DAGNetwork,或dlnetwork对象。
网络从MATLAB函数-从MATLAB函数中导入一个预先训练好的网络。例如，通过使用googlenet函数。

编程使用

块参数:网络

类型:特征向量,字符串

价值观:“网络从MAT-file”|'网络从MATLAB函数'

默认值:“网络从MAT-file”

`文件路径`- mat -包含训练网络的文件
`untitled.mat`(默认)| mat文件路径或名称

此参数指定包含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。

依赖关系

要启用该参数，请设置网络参数网络从MAT-file．

编程使用

块参数:NetworkFilePath

类型:特征向量,字符串

价值观:mat -文件路径或名称

默认值:“untitled.mat”

`MATLAB函数`- MATLAB函数名
`squeezenet`(默认)| MATLAB函数名

该参数指定预训练的深度学习网络的MATLAB函数名。例如,使用googlenet函数导入预先训练好的GoogLeNet模型。

依赖关系

要启用该参数，请设置网络参数网络从MATLAB函数．

编程使用

块参数:NetworkFunction

类型:特征向量,字符串

价值观:MATLAB函数名

默认值:“squeezenet”

`Mini-batch大小`-小批量的大小
128(默认)|正整数

用于预测的小批量的大小，指定为正整数。更大的迷你批处理需要更多的内存，但可以导致更快的预测。

编程使用

块参数:MiniBatchSize

类型:特征向量,字符串

价值观:正整数

默认值:“128”

`预测`-输出预测分数或反应
`在`(默认)|`从`

启用返回预测分数或响应的输出端口。

编程使用

块参数:预测

类型:特征向量,字符串

价值观:“关闭”|“上”

默认值:“上”

`激活`—输出特定层的网络激活
网络的层次

使用激活列表来选择要提取特征的图层。控件的输出端口显示选定的层预测块。

编程使用

块参数:激活

类型:特征向量,字符串

价值观:字符向量的形式' {' layerName1 ', layerName2”、…}”

默认值:＇＇

模型的例子

基于深度学习的Simulink车道和车辆检测万博1manbetx

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，输出两个车道边界，分别对应ego车辆的左右车道，并检测帧中的车辆。

扩展功能

C / c++代码生成
使用Simulink®Coder™生成C和c++代码。万博1manbetx

使用注意事项及限制:

的语言参数配置参数>代码生成“常规类别”必须设置为c++．
对于基于ert的目标万博1manbetx支持:适应信号参数代码生成>接口窗格必须启用。
有关代码生成所支持的网络和层的列表，请参见万博1manbetx支持代码生成的网络和层万博1manbetx(MATLAB编码器)．

GPU的代码生成
使用GPU Coder™为NVIDIA®GPU生成CUDA®代码。

使用注意事项及限制:

的语言参数配置参数>代码生成“常规类别”必须设置为c++．
有关CUDA支持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、层和类(GPU编码器)．
要了解有关为包含的Simulink模型生成代码的更多信息万博1manbetx预测块,看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)．