La traducción de esta página aún no se ha actualizado a la versión más reciente. Haga clic aquí para ver la última versión en inglés.

inceptionv3

Red neuronal convolucional Inception-v3

• 

×

Sintaxis

net = inceptionv3

net = inceptionv3('Weights','imagenet')

lgraph = inceptionv3('Weights','none')

Descripción

Inception-v3 es una red neuronal convolucional con 48 capas de profundidad. Puede cargar una versión preentrenada de la red entrenada en más de un millón de imágenes desde la base de datos [1] de ImageNet. La red preentrenada puede clasificar imágenes en 1000 categorías de objetos (por ejemplo, teclado, ratón, lápiz y animales). Como resultado, la red ha aprendido representaciones ricas en características para una amplia gama de imágenes. El tamaño de la entrada de imagen de la red es de 299 por 299. Para ver más redes preentrenadas en MATLAB^®, consulte Redes neuronales profundas preentrenadas.

Puede utilizar classify para clasificar nuevas imágenes utilizando el modelo Inception-v3. Siga los pasos que se muestran en Clasificar una imagen con GoogLeNet y reemplace GoogLeNet por Inception-v3.

Para volver a entrenar la red en una nueva tarea de clasificación, siga los pasos indicados en Entrenar redes de deep learning para clasificar nuevas imágenes y cargue Inception-v3 en lugar de GoogLeNet.

net = inceptionv3 devuelve una red Inception-v3 entrenada con la base de datos de ImageNet.

Esta función requiere el paquete de soporte Deep Learning Toolbox™ Model for Inception-v3 Network. Si no ha instalado el paquete de soporte, la función proporciona un enlace de descarga.

net = inceptionv3('Weights','imagenet') devuelve una red Inception-v3 entrenada con la base de datos de ImageNet. Esta sintaxis es equivalente a net = inceptionv3.

lgraph = inceptionv3('Weights','none') devuelve la arquitectura de red Inception-v3 sin entrenar. El modelo sin entrenar no requiere ningún paquete de soporte.

Ejemplos

Descargar el paquete de soporte de Inception-v3

Descargue e instale el paquete de soporte Deep Learning Toolbox Model for Inception-v3 Network.

Escriba inceptionv3 en la línea de comandos.

inceptionv3

Si el paquete de soporte Deep Learning Toolbox Model for Inception-v3 Network no está instalado, la función proporciona un enlace al paquete de soporte correspondiente en Add-On Explorer. Para instalar el paquete de soporte, haga clic en el enlace y después en Install. Para comprobar que la instalación se ha realizado correctamente, escriba inceptionv3 en la línea de comandos. Si el paquete de soporte requerido está instalado, la función devuelve un objeto DAGNetwork.

inceptionv3

ans = 

  DAGNetwork with properties:

         Layers: [316×1 nnet.cnn.layer.Layer]
    Connections: [350×2 table]

Visualice la red con Deep Network Designer.

deepNetworkDesigner(inceptionv3)

Para examinar otras redes preentrenadas en Deep Network Designer, haga clic en New.

Si necesita descargar una red, deténgase en la red deseada y haga clic en Install para abrir Add-On Explorer.

Argumentos de salida

net — Red neuronal convolucional Inception-v3 preentrenada

objeto DAGNetwork

Red neuronal convolucional Inception-v3 preentrenada, devuelta como un objeto DAGNetwork.

lgraph — Arquitectura de red neuronal convolucional Inception-v3 sin entrenar

objeto LayerGraph

Arquitectura de red neuronal convolucional Inception-v3 sin entrenar, devuelta como un objeto LayerGraph.

Referencias

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

[2] Szegedy, Christian, Vincent Vanhoucke, Sergey Ioffe, Jon Shlens, and Zbigniew Wojna. "Rethinking the inception architecture for computer vision." In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, pp. 2818-2826. 2016.

[3] https://keras.io/api/applications/inceptionv3/

Capacidades ampliadas

Generación de código C/C++

Genere código C y C++ mediante MATLAB® Coder™.

Para generar código, puede cargar la red mediante la sintaxis net = inceptionv3 o pasando la función inceptionv3 a coder.loadDeepLearningNetwork (MATLAB Coder). Por ejemplo, net = coder.loadDeepLearningNetwork('inceptionv3').

Para obtener más información, consulte Load Pretrained Networks for Code Generation (MATLAB Coder).

La sintaxis inceptionv3('Weights','none') no es compatible con la generación de código.

Generación de código de GPU

Genere código CUDA® para GPU NVIDIA® mediante GPU Coder™.

Notas y limitaciones de uso:

• Para generar código, puede cargar la red mediante la sintaxis net = inceptionv3 o pasando la función inceptionv3 a coder.loadDeepLearningNetwork (GPU Coder). Por ejemplo, net = coder.loadDeepLearningNetwork('inceptionv3').

  Para obtener más información, consulte Load Pretrained Networks for Code Generation (GPU Coder).

• La sintaxis inceptionv3('Weights','none') no es compatible con la generación de código GPU.

Historial de versiones

Introducido en R2017b

Consulte también

Deep Network Designer | vgg16 | vgg19 | googlenet | resnet18 | resnet50 | trainNetwork | inceptionresnetv2 | squeezenet | layerGraph | DAGNetwork | densenet201

Temas

• Transferencia del aprendizaje con Deep Network Designer
• Deep Learning in MATLAB
• Redes neuronales profundas preentrenadas
• Clasificar una imagen con GoogLeNet
• Entrenar redes de deep learning para clasificar nuevas imágenes
• Train Residual Network for Image Classification