El bloguero está trabajando actualmente en un proyecto de graduación usando tensorflow2.0. Dado que el modelo entrenado debe ser utilizado por otro estudiante que use Matlab, verifiqué cierta información y la registré aquí. De hecho, la web oficial de Matlab ya ha contado con un tutorial completo y detallado, pero la esencia del ser humano es un repetidor, así que lo volveré a explicar aquí. Permítanme hablar primero sobre mi entorno: python3.7 tensorflow2.0-gpu matlab 2019a
El primer paso es obtener un modelo entrenado
El tercer paso es importar el modelo
El cuarto paso es usar el modelo
Descripción
#define 保护 {wang shang xue ke} El primer paso es obtener un modelo entrenado
Primero, debe tener un modelo entrenado y guardarlo en formato .h5. Por ejemplo, la siguiente imagen:
El archivo de modelo se puede obtener ejecutando el siguiente código en tensorflow:
model.save('MyMode_03.h5')En este punto, el modelo está listo.
El segundo paso es descargar el Importador de caja de herramientas de aprendizaje profundo de Matlab para el paquete de soporte de modelos TensorFlow-Keras
En este momento, asumiendo que su computadora no ha instalado este paquete de soporte, escriba la línea de comando matlab:
importKerasNetworkMatlab informará un error y proporcionará el enlace de descarga al final del mensaje de error:
Hacemos clic en este enlace y después de una larga espera (si se puede proteger, será más rápido), ingresaremos a la interfaz de descarga (tenga en cuenta que si no ha iniciado sesión en matlab antes, debe iniciar sesión con su cuenta y contraseña aquí, si no tiene una cuenta, registre una , No se preocupe por la versión descifrada, puede descargarla):
Luego haga clic en instalar y espere (tenga en cuenta que este paso se completa después de que lo protejo, y ha habido errores de red antes)
Si alguien no puede proteger, le daré un enlace al disco de red del paquete de soporte al final del artículo. Puede intentar instalarlo sin conexión usted mismo de acuerdo con el tutorial Léame, pero encontré un error cuando lo instalé sin conexión, lo que sugiere un problema como la versión de matlab. ,¡buena suerte!
Después de la instalación, abra matlab y repita las instrucciones anteriores, indicando:
¡La instalación es exitosa!
El tercer paso es importar el modelo
Ejecute en matlab (reemplace "'MyMode_03.h5") con su propio modelo)
net = importKerasNetwork('MyMode_03.h5'); %导入自己的模型
net.Layers %显示模型的结构
Esta es la estructura de red de mi modelo.
El cuarto paso es usar el modelo
x = ones(7,1000);
y=net.predict(x);
plot(y)Puede utilizar la función de predicción () para realizar predicciones. De hecho, hay más formas de usarlos, no los expandiré. Si está interesado, puede consultarlos en la página de referencia de matlab, y se los daré más adelante.
Precauciones
- Hay que protegerlo, si no lo está este año, sería demasiado difícil. En cuanto a cómo protegerse, puede Baidu usted mismo.
- El paquete de soporte de matlab no es compatible con todas las capas de tensorflow. Hay una lista de soporte de la siguiente manera:
Se puede ver más información de soporte en el siguiente enlace.
apéndice
versión pdf de la página de referencia correspondiente de matlab:
Importador de caja de herramientas de aprendizaje profundo para modelos de TensorFlow-Keras, versión sin conexión del paquete de soporte: