inceptionresnetv2

（不推荐）预训练 Inception-ResNet-v2 卷积神经网络

不推荐使用 inceptionresnetv2。请改用 imagePretrainedNetwork 函数并指定 "inceptionresnetv2" 模型。有关详细信息，请参阅版本历史记录。

语法

net = inceptionresnetv2

说明

Inception-ResNet-v2 是一个卷积神经网络，基于来自 ImageNet 数据库 [1] 的超过一百万个图像进行训练。该网络有 164 层深，可以将图像分类至 1000 个目标类别（例如键盘、鼠标、铅笔和多种动物）。因此，该网络已基于大量图像学习了丰富的特征表示。该网络的图像输入大小为 299×299。有关 MATLAB^® 中预训练网络的详细信息，请参阅预训练的深度神经网络。

net = inceptionresnetv2 返回预训练的 Inception-ResNet-v2 网络。

此函数需要 Deep Learning Toolbox™ Model for Inception-ResNet-v2 Network 支持包。如果未安装此支持包，则函数会提供下载链接。

示例

全部折叠

加载 Inception-ResNet-v2 网络

下载并安装Deep Learning Toolbox Model for Inception-ResNet-v2 Network 支持包。

在命令行中键入 inceptionresnetv2。

inceptionresnetv2

如果未安装 Deep Learning Toolbox Model for Inception-ResNet-v2 Network 支持包，该函数将在附加功能资源管理器中提供所需支持包的链接。要安装支持包，请点击链接，然后点击安装。通过在命令行中键入 inceptionresnetv2 来检查安装是否成功。如果安装了所需的支持包，则该函数返回 DAGNetwork 对象。

net = inceptionresnetv2

net = 

  DAGNetwork with properties:

         Layers: [824×1 nnet.cnn.layer.Layer]
    Connections: [921×2 table]
     InputNames: {'input_1'}
    OutputNames: {'ClassificationLayer_predictions'}

使用深度网络设计器可视化网络。

deepNetworkDesigner(inceptionresnetv2)

通过点击新建，在深度网络设计器中浏览其他预训练神经网络。

Deep Network Designer start page showing available pretrained neural networks

如果需要下载一个神经网络，请在所需的神经网络上暂停，然后点击安装以打开附加功能资源管理器。

输出参量

全部折叠

`net` — 预训练 Inception-ResNet-v2 卷积神经网络
`DAGNetwork` 对象

预训练的 Inception-ResNet-v2 卷积神经网络，以 DAGNetwork 对象形式返回。

参考

[1] ImageNet. http://www.image-net.org.

[2] Szegedy, Christian, Sergey Ioffe, Vincent Vanhoucke, and Alexander Alemi. “Inception-v4, Inception-ResNet and the Impact of Residual Connections on Learning.” Proceedings of the AAAI Conference on Artificial Intelligence 31, no. 1 (February 12, 2017). https://doi.org/10.1609/aaai.v31i1.11231.

[3] https://keras.io/api/applications/inceptionresnetv2/

扩展功能

全部展开

C/C++ 代码生成
使用 MATLAB® Coder™ 生成 C 代码和 C++ 代码。

要进行代码生成，您可以通过使用语法 net = inceptionresnetv2 或通过将 inceptionresnetv2 函数传递给 coder.loadDeepLearningNetwork (MATLAB Coder) 来加载网络。例如：net = coder.loadDeepLearningNetwork('inceptionresnetv2')

有关详细信息，请参阅加载预训练网络以用于代码生成 (MATLAB Coder)。

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

用法说明和限制：

要进行代码生成，您可以通过使用语法 net = inceptionresnetv2 或通过将 inceptionresnetv2 函数传递给 coder.loadDeepLearningNetwork (GPU Coder) 来加载网络。例如：net = coder.loadDeepLearningNetwork('inceptionresnetv2')

有关详细信息，请参阅Load Pretrained Networks for Code Generation (GPU Coder)。

版本历史记录

在 R2017b 中推出

全部折叠

R2024a: 不推荐

不推荐使用 inceptionresnetv2。请改用 imagePretrainedNetwork 函数，并将 "inceptionresnetv2" 指定为模型。

目前没有停止支持 inceptionresnetv2 函数的计划。但是，imagePretrainedNetwork 函数具有额外的功能，可以帮助执行迁移学习工作流。例如，您可以使用 numClasses 选项指定数据中的类数量，该函数将返回一个无需进行修改即可用于重新训练的网络。

imagePretrainedNetwork 函数返回该网络作为 dlnetwork 对象，该对象不存储类名称。要获取预训练网络的类名称，请使用 imagePretrainedNetwork 函数的第二个输出参量。

下表显示了 inceptionresnetv2 函数的一些典型用法，以及如何更新您的代码以改用 imagePretrainedNetwork 函数。

不推荐	推荐
`net = inceptionresnetv2;`	`[net,classNames] = imagePretrainedNetwork("inceptionresnetv2");`
`net = inceptionresnetv2(Weights="none");`	`net = imagePretrainedNetwork("inceptionresnetv2",Weights="none");`

imagePretrainedNetwork 返回一个 dlnetwork 对象，该对象也具有以下优点：

dlnetwork 对象是一种统一的数据类型，支持网络构建、预测、内置训练、可视化、压缩、验证和自定义训练循环。
dlnetwork 对象支持更广泛的网络架构，您可以创建或从外部平台导入这些网络架构。
trainnet 函数支持 dlnetwork 对象，这使您能够轻松指定损失函数。您可以从内置损失函数中进行选择或指定自定义损失函数。
使用 dlnetwork 对象进行训练和预测通常比使用 LayerGraph 和 trainNetwork 工作流更快。

要训练指定为 dlnetwork 对象的神经网络，请使用 trainnet 函数。

另请参阅

inceptionresnetv2

语法

说明

示例

加载 Inception-ResNet-v2 网络

输出参量

net — 预训练 Inception-ResNet-v2 卷积神经网络 DAGNetwork 对象

参考

扩展功能

C/C++ 代码生成 使用 MATLAB® Coder™ 生成 C 代码和 C++ 代码。

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

版本历史记录

R2024a: 不推荐

另请参阅

主题

`net` — 预训练 Inception-ResNet-v2 卷积神经网络
`DAGNetwork` 对象

C/C++ 代码生成
使用 MATLAB® Coder™ 生成 C 代码和 C++ 代码。

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