La traduzione di questa pagina non è aggiornata. Fai clic qui per vedere l'ultima versione in inglese.

resnet50

Rete neurale convoluzionale ResNet-50

Sintassi

net = resnet50

net = resnet50('Weights','imagenet')

lgraph = resnet50('Weights','none')

Descrizione

ResNet-50 è una rete neurale convoluzionale con 50 livelli di profondità. È possibile caricare una versione preaddestrata della rete neurale, addestrata su oltre un milione di immagini del database di ImageNet [1]. La rete neurale preaddestrata è in grado di classificare le immagini in 1000 categorie di oggetti, come tastiera, mouse, matita e molti animali. Di conseguenza, la rete neurale ha appreso rappresentazioni ricche di feature per un'ampia gamma di immagini. La rete neurale ha una dimensione di input dell'immagine di 224x224. Per ulteriori reti neurali addestrate in MATLAB^®, vedere Reti neurali profonde preaddestrate.

È possibile utilizzare classify per classificare nuove immagini utilizzando il modello ResNet-50. Seguire i passaggi di Classificazione di immagini utilizzando GoogLeNet e sostituire GoogLeNet con ResNet-50.

Per riaddestrare la rete neurale su una nuova attività di classificazione, seguire i passaggi di Addestramento della rete di Deep Learning per classificare nuove immagini e caricare ResNet-50 al posto di GoogLeNet.

Suggerimento

Per creare una rete neurale residua non addestrata adatta ad attività di classificazione delle immagini, utilizzare resnetLayers.

esempio

net = resnet50 restituisce una rete neurale ResNet-50 addestrata sul set di dati di ImageNet.

Questa funzione richiede il pacchetto di supporto Deep Learning Toolbox™ Model for ResNet-50 Network. Se il pacchetto di supporto non è installato, la funzione fornisce un link per il download.

net = resnet50('Weights','imagenet') restituisce una rete neurale ResNet-50 addestrata sul set di dati di ImageNet. Questa sintassi è equivalente a net = resnet50.

lgraph = resnet50('Weights','none') restituisce l'architettura della rete neurale ResNet-50 non addestrata. Il modello non addestrato non richiede il pacchetto di supporto.

Esempi

comprimi tutto

Download del pacchetto di supporto per ResNet-50

Scaricare e installare il pacchetto di supporto Deep Learning Toolbox Model for ResNet-50 Network.

Digitare resnet50 nella riga di comando.

resnet50

Se il pacchetto di supporto Deep Learning Toolbox Model for ResNet-50 Network non è installato, la funzione fornisce un link al pacchetto di supporto richiesto nell’Add-On Explorer. Fare clic sul link per installare il pacchetto di supporto, quindi fare clic su Install. Verificare che l’installazione sia stata eseguita correttamente digitando resnet50 nella riga di comando. Se il pacchetto di supporto richiesto è installato, la funzione restituisce un oggetto DAGNetwork.

resnet50

ans = 

  DAGNetwork with properties:

         Layers: [177×1 nnet.cnn.layer.Layer]
    Connections: [192×2 table]

Visualizzare la rete neurale con Deep Network Designer.

deepNetworkDesigner(resnet50)

Scoprire altre reti neurali preaddestrate in Deep Network Designer facendo clic su New.

Deep Network Designer start page showing available pretrained neural networks

Se è necessario scaricare una rete neurale, fermarsi sulla rete neurale desiderata e fare clic su Install per aprire l’Add-On Explorer.

Argomenti di output

comprimi tutto

`net` — Rete neurale convoluzionale ResNet-50 preaddestrata
Oggetto `DAGNetwork`

Rete neurale convoluzionale ResNet-50 preaddestrata, restituita come un oggetto DAGNetwork.

`lgraph` — Architettura della rete neurale convoluzionale ResNet-50 non addestrata
Oggetto `LayerGraph`

Architettura della rete neurale convoluzionale ResNet-50 non addestrata, restituita come un oggetto LayerGraph.

Riferimenti

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

[2] He, Kaiming, Xiangyu Zhang, Shaoqing Ren, and Jian Sun. "Deep residual learning for image recognition." In Proceedings of the IEEE conference on computer vision and pattern recognition, pp. 770-778. 2016.

[3] https://keras.io/api/applications/resnet/#resnet50-function

Funzionalità estese

Generazione di codice C/C++
Genera codice C e C++ con MATLAB® Coder™.

Per la generazione di codice, è possibile caricare la rete neurale utilizzando la sintassi net = resnet50 o passando la funzione resnet50 su coder.loadDeepLearningNetwork (MATLAB Coder). Ad esempio: net = coder.loadDeepLearningNetwork('resnet50')

Per ulteriori informazioni, vedere Load Pretrained Networks for Code Generation (MATLAB Coder).

La sintassi resnet50('Weights','none') non è supportata per la generazione di codice.

Generazione di codice GPU
Genera codice CUDA® per GPU NVIDIA® con GPU Coder™.

Note sull’utilizzo e sulle limitazioni:

Per la generazione di codice, è possibile caricare la rete neurale utilizzando la sintassi net = resnet50 o passando la funzione resnet50 su coder.loadDeepLearningNetwork (GPU Coder). Ad esempio: net = coder.loadDeepLearningNetwork('resnet50')
Per ulteriori informazioni, vedere Load Pretrained Networks for Code Generation (GPU Coder).
La sintassi resnet50('Weights','none') non è supportata per la generazione di codice GPU.

Cronologia versioni

Introdotto in R2017b

Vedi anche