Main Content

本页翻译不是最新的。点击此处可查看最新英文版本。

Predict

使用经过训练的深度学习神经网络预测响应

自 R2020b 起

全页展开
  • Predict block

库:
Deep Learning Toolbox / Deep Neural Networks

描述

Predict 模块使用通过模块参数指定的已训练网络来预测输入端数据的响应。此模块允许从 MAT 文件或使用 MATLAB® 函数将预训练网络加载到 Simulink® 模型中。

注意

在 Simulink 中使用 Predict 模块进行预测。要使用 MATLAB 代码以编程方式进行预测，请使用 minibatchpredict 或 predict 函数。

示例

Lane and Vehicle Detection in Simulink Using Deep Learning

Lane and Vehicle Detection in Simulink Using Deep Learning

Use deep convolutional neural networks inside a Simulink® model to perform lane and vehicle detection. This example takes the frames from a traffic video as an input, outputs two lane boundaries that correspond to the left and right lanes of the ego vehicle, and detects vehicles in the frame.

端口

输入

全部展开

Predict 模块的输入端口接受所加载网络的输入层名称。例如，如果您为 MATLAB function 指定 imagePretrainedNetwork，则 Predict 模块的输入端口具有标签数据。根据加载的网络，Predict 模块的输入可以是图像、序列或时间序列数据。

输入的布局取决于数据的类型。

数据预测变量的布局
二维图像h×w×c×N 数值数组，其中 h、w 和 c 分别是图像的高度、宽度和通道数，N 是图像的数量。
向量序列s×c 矩阵，其中 s 是序列长度，c 是序列的特征数。
二维图像序列h×w×c×s 数组，其中 h、w 和 c 分别对应于图像的高度、宽度和通道数，s 是序列长度。
特征N×numFeatures 数值数组，其中 N 是观测值数目，numFeatures 是输入数据的特征数。

如果数组包含 NaN，则它们会通过网络传播。

输出

全部展开

Predict 模块的输出端口接受所加载网络的输出层名称。例如，如果您为 MATLAB function 指定 imagePretrainedNetwork，则 Predict 模块的输出端口标注为 prob_flatten。基于加载的网络，Predict 模块的输出可以表示预测的分数或响应。

该预测的分数或响应，以 K×N 数组形式返回，其中 K 是类数，N 是观测值数目。

如果为一个网络层启用 Activations，则 Predict 模块会使用所选网络层的名称创建一个新输出端口。此端口输出来自所选网络层的激活值。

网络层的激活值以数值数组形式返回。输出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，activations 是一个 h×w×c×n 数组，其中 h、w 和 c 分别是所选层输出的高度、宽度和通道数，n 是图像的数量。

对于包含向量数据的单个时间步，激活值是一个 c×n 矩阵，其中 c 是序列中特征的数量，n 是序列的数量。

对于包含向量数据的多个时间步，激活值是一个 c×n×s 矩阵，其中 c 是序列中特征的数量，n 是序列的数量，s 是序列长度。

对于包含二维图像数据的单个时间步，activations 是一个 h×w×c×n 数组，其中 n 是序列数，h、w 和 c 分别是图像的高度、宽度和通道数。

参数

全部展开

指定经过训练的网络的源。选择下列项之一：

  • 从 MAT 文件创建网络 - 从包含 dlnetwork 对象的 MAT 文件中导入经过训练的网络。

  • 从 MATLAB 函数创建网络 - 从 MATLAB 函数导入预训练网络。例如，要使用预训练的 GoogLeNet，请在 MATLAB M 文件中创建一个函数 pretrainedGoogLeNet，然后导入此函数。 

    function net = pretrainedGoogLeNet
  net = imagePretrainedNetwork("googlenet");
end

编程用法

模块参数：Network
类型：字符向量、字符串
值：'Network from MAT-file' | 'Network from MATLAB function'
默认值： 'Network from MAT-file'

此参数指定包含要加载的经过训练的深度学习网络的 MAT 文件名称。如果该文件不在 MATLAB 路径中，请使用浏览按钮找到该文件。

依存关系

要启用此参数，请将网络参数设置为从 MAT 文件创建网络。

编程用法

模块参数：NetworkFilePath
类型：字符向量、字符串
值：MAT 文件路径或名称
默认值： 'untitled.mat'

此参数指定预训练深度学习网络的 MATLAB 函数的名称。例如，要使用预训练的 GoogLeNet，请在 MATLAB M 文件中创建一个函数 pretrainedGoogLeNet，然后导入此函数。 

function net = pretrainedGoogLeNet
  net = imagePretrainedNetwork("googlenet");
end

依存关系

要启用此参数，请将网络参数设置为从 MATLAB 函数创建网络。

编程用法

模块参数：NetworkFunction
类型：字符向量、字符串
值：MATLAB 函数名称
默认值： 'squeezenet'

用于预测的小批量的大小，指定为正整数。小批量大小越大，需要的内存越多，但预测速度可能更快。

编程用法

模块参数：MiniBatchSize
类型：字符向量、字符串
值：正整数
默认值： '128'

启用返回预测的分数或响应的输出端口。

编程用法

模块参数：Predictions
类型：字符向量、字符串
值：'off' | 'on'
默认值： 'on'

此参数指定经过训练的 dlnetwork 要求的输入数据格式。

数据格式，指定为字符串标量或字符向量。字符串中的每个字符必须为以下维度标签之一：

  • "S" - 空间

  • "C" - 通道

  • "B" - 批量

  • "T" - 时间

  • "U" - 未指定

例如，对于包含一批序列的数组，其中第一个、第二个和第三个维度分别对应于通道、观测值和时间步，您可以指定其格式为 "CBT"。

您可以指定多个标注为 "S" 或 "U" 的维度。标签 "C"、"B" 和 "T" 最多可以使用一次。该软件忽略第二个维度后的单一尾部 "U" 维度。

有关详细信息，请参阅Deep Learning Data Formats。

默认情况下，该参数使用网络预期的数据格式。

依存关系

要启用此参数，请将网络参数设置为从 MAT 文件创建网络，以便从 MAT 文件导入经过训练的 dlnetwork 对象。

编程用法

模块参数：InputDataFormats
类型：字符向量、字符串
值：对于具有一个或多个输入的网络，请以 "{'inputlayerName1', 'SSC'; 'inputlayerName2', 'SSCB'; ...}" 形式指定文本。对于没有输入层但有多个输入端口的网络，请将文本指定为 "{'inputportName1/inport1, 'SSC'; 'inputportName2/inport2, 'SSCB'; ...}" 形式。
默认值：网络预期的数据格式。有关详细信息，请参阅Deep Learning Data Formats。

使用激活列表选择要从中提取特征的层。所选层显示为 Predict 模块的输出端口。

编程用法

模块参数：Activations
类型：字符向量、字符串
值：'{'layerName1',layerName2',...}' 形式的字符向量
默认值： ''

提示

扩展功能

版本历史记录

在 R2020b 中推出

全部展开

另请参阅

| |