预追溯深入学习模型
利用深入学习研究界开发的模型架构。热门型号提供强大的架构,并跳过从头开始的需要。
选择模型时的提示
有许多普试模型可供选择,每个模型都会有权衡:
- 尺寸:模型需要多少内存
模型的最终位置将确定需要考虑网络大小的程度。
选择部署到低内存系统时,请选择专为此任务设计的型号。
请参阅Edge部署的模型 - 准确性:在再培训之前,模型的表现如何
通常,对ImageNet DataSet执行良好的模型表示具有学习信息特征的模型,并且也可以在新的类似任务中表现良好。
探索更高的精度模型 - 预测速度:模型如何预测新图像可以快
虽然预测速度可以根据硬件和批量大小的许多因素而变化,但速度也会根据所选模型的架构和模型大小而变化。
比较预测速度简单的模型开始。
在以下部分中探讨模型之间的权衡。
要将任何模型导入MATLAB,结构是:
>> net = networkname
IE。
>> Net = AlexNet >> Net = Resnet50
如果尚未下载模型,将提供一个链接以在MATLAB中下载模型。
您可以快速迭代这些模型,并尝试不同的设置,例如数据预处理步骤和培训选项。一旦您有良好的设置,尝试更准确的网络以查看它是否可以提高结果。
探索例子:
查看相关主题:
探索例子:
来自其他框架的模型
寻找其他框架的模型?使用ONNX,Tensorflow-Keras和Caffe进口商将任何网络导入Matlab。
探索例子: