squeezenet
Rete neurale convoluzionale SqueezeNet (non consigliata)
squeezenet
non è consigliata. Utilizzare invece la funzione imagePretrainedNetwork
. Per ulteriori informazioni, vedere Storico della versione.
Descrizione
SqueezeNet è una rete neurale convoluzionale con 18 livelli di profondità. È possibile caricare una versione preaddestrata della rete, addestrata su oltre un milione di immagini del database di ImageNet [1]. La rete preaddestrata è in grado di classificare le immagini in 1000 categorie di oggetti, come tastiera, mouse, matita e molti animali. Di conseguenza, la rete ha appreso rappresentazioni ricche di feature per un'ampia gamma di immagini. Questa funzione restituisce una rete SqueezeNet v1.1, che presenta una precisione simile alla precisione di SqueezeNet v1.0 ma richiede meno operazioni in virgola mobile per ciascuna previsione [3]. La dimensione di input dell'immagine della rete è 227x227. Per ulteriori reti addestrate in MATLAB®, vedere Reti neurali profonde preaddestrate.
restituisce una rete SqueezeNet addestrata sul set di dati di ImageNet. Questa sintassi è equivalente a net
= squeezenet('Weights','imagenet'
)net = squeezenet
.
restituisce l'architettura della rete SqueezeNet non addestrata.lgraph
= squeezenet('Weights','none'
)
Esempi
Argomenti di output
Riferimenti
[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.
Funzionalità estese
Cronologia versioni
Introdotto in R2018aVedi anche
imagePretrainedNetwork
| dlnetwork
| trainingOptions
| trainnet
| Deep Network Designer