matlab用app建立神经网络,Matlab Deep Network Designer APP搭建神经网络及相关函数讲解...
1 APP的使用
(1)打开方式一
从Matlab工具栏APP处搜索Deep Network Designer点击打开,或者在命令行窗口输入命令:deepNetworkDesigner开启
(2)新建神经网络结构
拖动左侧的图标到中心工作区,然后点击连接图标
(3)使用现成的神经网络
举例使用alexnet,在窗口输入alexnet,提示没有安装的话,就点击红色中的附加资源管理器,点击安装就行。安装完成后,再次输入alexnet即可。然后再APP中点击导入,就会提示导入alexnet网络。
(4)检查网络结构是否正确
点击工具栏的分析,可以查看网络的结构,如果结构不对,会报错并红色的提示。
(5)生成代码代码
点击导出,选择导出生成代码。把layers的代码拷贝出来,这就是你网络结构的代码。
会生成实时脚本文件,layers就是我们搭建的神经网络,单独拷贝出来使用。
2 使用神经网络
2.1 简单例子
% 一个使用APP的Demo
% 加载数据集
digitDatasetPath = fullfile(matlabroot,'toolbox','nnet', ...
'nndemos','nndatasets','DigitDataset');
imds = imageDatastore(digitDatasetPath, ...
'IncludeSubfolders',true, ...
'LabelSource','foldernames');
% 展示数据集
figure
numImages = 10000;
perm = randperm(numImages,20);
for i = 1:20
subplot(4,5,i);
imshow(imds.Files{perm(i)});
end
% 划分数据集和测试集出来
numTrainingFiles = 750;
[imdsTrain,imdsTest] = splitEachLabel(imds,numTrainingFiles,'randomize');
% 使用搭建的神经网络
layers = [ ...
imageInputLayer([28 28 1])
convolution2dLayer(5,20)
reluLayer
maxPooling2dLayer(2,'Stride',2)
fullyConnectedLayer(10)
softmaxLayer
classificationLayer];
% 配置训练参数
options = trainingOptions('sgdm', ...
'MaxEpochs',20,...
'InitialLearnRate',1e-4, ...
'Verbose',false, ...
'Plots','training-progress');
% 训练神经网络
net = trainNetwork(imdsTrain,layers,options);
% 使用神经网络,这是分类的例子。使用classify.搭配神经网络中的最后一层classificationLayer
% 如果是回归的神经网络,则神经网络的最后一层是regressionLayer,搭配predict使用,就是替换classify为predict
YPred = classify(net,imdsTest);
YTest = imdsTest.Labels;
accuracy = sum(YPred == YTest)/numel(YTest)
2.2 trainOptions
官方文档讲解
根据自己的训练需要,只选择需要的参数设定即可,不设定的就是执行默认值
options =
TrainingOptionsSGDM with properties:
Momentum: 0.9000
InitialLearnRate: 0.0100 % 初始学习率
LearnRateSchedule: 'piecewise' % 学习率周期
LearnRateDropFactor: 0.2000 % 学习率下降因子
LearnRateDropPeriod: 5 % 学习率下降周期
L2Regularization: 1.0000e-04 % L2正则化参数
GradientThresholdMethod: 'l2norm'
GradientThreshold: Inf % 梯度阈值
MaxEpochs: 20 % 最大epochs
MiniBatchSize: 64 % 最小batch大小
Verbose: 1 % 是否窗口打印训练进度
VerboseFrequency: 50
ValidationData: [] % 放入验证集数据和验证集标签
ValidationFrequency: 50 % 验证频率
ValidationPatience: Inf
Shuffle: 'once' % 打乱训练集的次数
CheckpointPath: ''
ExecutionEnvironment: 'auto' % 设置CPU或者GPU执行
WorkerLoad: []
OutputFcn: []
Plots: 'training-progress' % 是否显示训练可视化的过程图
SequenceLength: 'longest'
SequencePaddingValue: 0
SequencePaddingDirection: 'right'
DispatchInBackground: 0
ResetInputNormalization: 1
```
## 2.3 trainNetwork
[官方文档讲解](https://www.mathworks.com/help/deeplearning/ref/trainnetwork.html)
简单的使用格式如下,其他格式参考官方文档讲解
```matlab
net = trainNetwork(X,Y,layers,options)
% X是训练集的数据集,Y是训练集的标签集
2.4 predict和classify
这两个函数是用来调用神经网络模型的,用测试集去测试输出结果。predict函数搭配回归神经网络使用,就是神经网络的最后一层是regressionLayer,如2.1例子中42行就是替换classify为predict。classify函数搭配分类神经网络,就是神经网络中的最后一层是classificationLayer。
result = classify(net,testData)
% 第一个参数是训练的网络模型
% 第二个参数是测试的数据
% result表示用神经网络处理TestData最终的输出结果
3 参数选择原则
(1)首先开发一个过拟合的模型
• 添加更多的层
• 让每一层变得更大
• 训练更多的轮次
(2)然后抑制过拟合
• dropout
• 正则化
• 图像增强
(3)再次调节超参数
• 学习速率
• 隐藏层单元数
• 训练轮次
超参数的选择是一个经验不断测试的结果,经典机器学习的方法,如特征工程、增加训练数据要做交叉验证。
4 构建网络的总原则
• 增大网络容量,直到过拟合
• 采取措施抑制过拟合
• 继续增大网络容量,直到过拟合
matlab用app建立神经网络,Matlab Deep Network Designer APP搭建神经网络及相关函数讲解...相关推荐
- Matlab Deep Network Designer APP搭建神经网络及相关函数讲解
目录 1 APP的使用 2 使用神经网络 2.1 简单例子 2.2 trainOptions 2.4 predict和classify 3 参数选择原则 4 构建网络的总原则 1 APP的使用 (1) ...
- 循环神经网络(Recurrent Neural Network, RNN)和递归神经网络(Recursive Neural Network, RNN),你搞清楚了吗?
一,循环神经网络: 原文:https://zybuluo.com/hanbingtao/note/541458 语言模型 RNN是在自然语言处理领域中最先被用起来的,比如,RNN可以为语言模型来建模. ...
- 深度学习神经网络各网络简介及资料汇总 (matlab :deep network designer )
该介绍包括matlab2022a deepNetworkDesigner 中提供各种预训练的网络模型介绍 SqueezeNet (2016) SqueezeNet是Han等提出的一种轻量且高效的CNN ...
- matlab ia模块,MathWorks发布MATLAB和SimulinkR2020a版本,为工程师和科学家提供更多AI功能...
MathWorks发布MATLAB和SimulinkR2020a版本,为工程师和科学家提供更多AI功能 2020-05-06 环球汽车网 转载 浏览:1912 [行业动态] 半年一次的发行版还包括新产 ...
- matlab安装到U盘,matlab u盘便携移动版
Matlab u盘便携移动版是一款功能强大的编程工具,能够帮助用户轻松进行各种数据的开发分析工作,提高编程效率,让工作更加轻松.软件为U盘便携版本,插入U盘即可直接使用,无需环境的组装,满足用户的各种 ...
- 循环神经网络(Recurrent Neural Network)详解
循环神经网络(RNNs)是神经网络中一个大家族,它们主要用于文本.信号等序列相关的数据.常见的循环神经网络有长短期记忆网络(LSTM).门控循环单元网络(GRU)等,而这些循环神经网络都是在最早的一种 ...
- 卷积神经网络(Convolutional Neural Network, CNN)
卷积神经网络(Convolutional Neural Network, CNN) 目录 卷积神经网络(Convolutional Neural Network, CNN) 概述: 结构: 卷积层:
- 脉冲神经网络:MATLAB实现脉冲神经网络(Spiking Neural Network,SNN) 用于图像分类(提供MATLAB代码)
一.脉冲神经网络 脉冲神经网络 (Spiking Neural Network,SNN) ,是第三代神经网络.其旨在弥合神经科学和机器学习之间的差距,使用最拟合生物神经元机制的模型来进行计算,更接近生 ...
- 循环神经网络matlab程序设计,神经网络及深度学习(包含matlab代码).pdf
神经网络及深度学习(包含matlab代码) 神经网络及深度学习 (包含 MATLAB 仿真) 人工神经网络(Artificial Neural Network,即 ANN ), 作为对人脑最简单的一种 ...
最新文章
- 在YII2框架中使用UEditor编辑器发布文章
- 试卷批分(c++打表版)
- VTK:可视化之ComplexV
- 22个值得收藏的android开源码-UI篇
- windows下共享文件夹在Linux下打开
- 装配图位置偏转怎么调整_物理微课|匀变速直线运动、电容器动态分析及磁偏转技巧、方法、模型...
- 常量指针、指针常量以及指向常量的指针常量
- 数据结构 快速排序的三种实现 (hoare版本 挖坑法 前后指针版本)与非递归实现
- JavaScript:new关键字的执行过程
- 【AHOI2009】【BZOJ1798】Seq 维护序列seq(线段树模板,易错提醒)
- 基于遗传算法自动化集装箱码头多载AGV调度(一)—模型搭建
- bootstrap的三角方向符号实现
- linux系统安全加固
- OPPO R7C刷机包下载_OPPO r7c原厂固件包下载地址
- opengl纹理过滤
- 保持numlock处于开启状态
- 贝叶斯神经网络 BNN
- VR系列--资料汇总
- Python爬虫(第三周)
- 斐波那契查找(黄金分割法)超详细详解