Main Content

本页翻译不是最新的。点击此处可查看最新英文版本。

shufflenet

预训练 ShuffleNet 卷积神经网络

全页折叠
  • ShuffleNet network architecture

语法

net = shufflenet

说明

ShuffleNet 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 224×224。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。

您可以通过 classify 使用 ShuffleNet 模型对新图像进行分类。按照使用 GoogLeNet 对图像进行分类的步骤执行操作，但是用 ShuffleNet 替换 GoogLeNet。

要针对新分类任务重新训练网络，请按照训练深度学习网络以对新图像进行分类的步骤操作，但是加载 ShuffleNet 而不是 GoogLeNet。

示例

net = shufflenet 返回预训练的 ShuffleNet 卷积神经网络。

此函数需要 Deep Learning Toolbox™ Model for ShuffleNet 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

下载并安装 Deep Learning Toolbox Model for ShuffleNet Network 支持包。

在命令行中键入 shufflenet。

shufflenet

如果未安装 Deep Learning Toolbox Model for ShuffleNet 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 shufflenet 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。

shufflenet
ans = 

  DAGNetwork with properties:

         Layers: [173×1 nnet.cnn.layer.Layer]
    Connections: [188×2 table]

使用深度网络设计器可视化网络。 

deepNetworkDesigner(shufflenet)

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。

您可以使用迁移学习来重新训练网络，以对一组新图像进行分类。

打开示例训练深度学习网络以对新图像进行分类。最初的示例使用 GoogLeNet 预训练网络。要使用不同网络执行迁移学习，请加载所需的预训练网络，并按照示例中的步骤操作。

加载 ShuffleNet 网络而不是 GoogLeNet。 

net = shufflenet

按照示例中的其余步骤操作以重新训练您的网络。您必须将网络中的最后一个可学习层和分类层替换为用于训练的新层。该示例说明如何找到要替换的层。

输出参数

全部折叠

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

参考

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

[2] Zhang, Xiangyu, Xinyu Zhou, Mengxiao Lin, and Jian Sun. "ShuffleNet: An Extremely Efficient Convolutional Neural Network for Mobile Devices." arXiv preprint arXiv:1707.01083v2 (2017).

版本历史记录

在 R2019a 中推出

另请参阅

| | | | | | | | | | | | |

主题