squeezenet

（不推荐）SqueezeNet 卷积神经网络

不推荐使用 squeezenet。请改用 imagePretrainedNetwork 函数。有关详细信息，请参阅版本历史记录。

语法

net = squeezenet

net = squeezenet('Weights','imagenet')

lgraph = squeezenet('Weights','none')

说明

SqueezeNet 是深度为 18 层的卷积神经网络。您可以从 ImageNet 数据库 [1] 中加载该网络的预训练版本，该版本基于 ImageNet 数据库的超过一百万个图像进行训练。该预训练网络可以将图像分类至 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。此函数返回一个 SqueezeNet v1.1 网络，它具有与 SqueezeNet v1.0 相似的准确度，但每次预测需要更少的浮点运算 [3]。该网络的图像输入大小为 227×227。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 = squeezenet 返回基于 ImageNet 数据集训练的 SqueezeNet 网络。

示例

net = squeezenet('Weights','imagenet') 返回基于 ImageNet 数据集训练的 SqueezeNet 网络。此语法等效于 net = squeezenet。

lgraph = squeezenet('Weights','none') 返回未经训练的 SqueezeNet 网络架构。

示例

全部折叠

加载 SqueezeNet 网络

加载一个预训练的 SqueezeNet 网络。

net = squeezenet

net = 

  DAGNetwork with properties:

         Layers: [68×1 nnet.cnn.layer.Layer]
    Connections: [75×2 table]

此函数返回一个 DAGNetwork 对象。

SqueezeNet 包含在 Deep Learning Toolbox™ 中。要加载其他网络，请使用 googlenet 等函数来获取链接，以便从附加功能资源管理器下载预训练网络。

输出参量

全部折叠

`net` — 预训练 SqueezeNet 卷积神经网络
`DAGNetwork` 对象

预训练 SqueezeNet 卷积神经网络，以 DAGNetwork 对象形式返回。

`lgraph` — 未经训练的 SqueezeNet 卷积神经网络架构
`LayerGraph` 对象

未经训练的 SqueezeNet 卷积神经网络架构，以 LayerGraph 对象形式返回。

参考

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

[2] Iandola, Forrest N., Song Han, Matthew W. Moskewicz, Khalid Ashraf, William J. Dally, and Kurt Keutzer. “SqueezeNet: AlexNet-Level Accuracy with 50x Fewer Parameters and <0.5MB Model Size.” Preprint, submitted November 4, 2016. https://arxiv.org/abs/1602.07360.

[3] Iandola, Forrest N. "SqueezeNet." https://github.com/forresti/SqueezeNet.

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，请通过将 squeezenet 函数传递给 coder.loadDeepLearningNetwork (MATLAB Coder) 来加载网络。例如：net = coder.loadDeepLearningNetwork('squeezenet')。

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)。

代码生成不支持语法 squeezenet('Weights','none')。

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 = squeezenet 或通过将 squeezenet 函数传递给 coder.loadDeepLearningNetwork (GPU Coder) 来加载网络。例如：net = coder.loadDeepLearningNetwork('squeezenet')。
有关详细信息，请参阅Load Pretrained Networks for Code Generation (GPU Coder)。
GPU 代码生成不支持语法 squeezenet('Weights','none')。

版本历史记录

在 R2018a 中推出

全部折叠

R2024a: 不推荐

不推荐使用 squeezenet。请改用 imagePretrainedNetwork 函数。

目前没有停止支持 squeezenet 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 squeezenet 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 = squeezenet;`	`[net,classNames] = imagePretrainedNetwork;`
`net = squeezenet(Weights="none");`	`net = imagePretrainedNetwork(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

imagePretrainedNetwork | dlnetwork | trainingOptions | trainnet | 深度网络设计器

squeezenet

语法

说明

示例

加载 SqueezeNet 网络

输出参量

net — 预训练 SqueezeNet 卷积神经网络 DAGNetwork 对象

lgraph — 未经训练的 SqueezeNet 卷积神经网络架构 LayerGraph 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 SqueezeNet 卷积神经网络
`DAGNetwork` 对象

`lgraph` — 未经训练的 SqueezeNet 卷积神经网络架构
`LayerGraph` 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。