Main Content

Predict

Predecir respuestas usando una red neuronal de deep learning entrenada

  • Biblioteca:
  • Deep Learning Toolbox / Deep Neural Networks

  • Predict block

Descripción

El bloque Predict predice las respuestas de los datos de la entrada utilizando la red entrenada especificada mediante el parámetro de bloque. Este bloque permite cargar una red preentrenada en el modelo de Simulink® desde un archivo MAT o una función de MATLAB®.

Nota

Use el bloque Predict para realizar predicciones en Simulink. Para realizar predicciones de forma programática con código de MATLAB, use las funciones classify y predict.

Puertos

Entrada

expandir todo

El puerto de entrada del bloque Predict toma los nombres de las capas de entrada de la red cargada. Por ejemplo, si especifica googlenet para MATLAB function, el puerto de entrada del bloque Predict se etiqueta como data. En función de la red cargada, la entrada al bloque predict puede ser una imagen, una secuencia o datos de series de tiempo.

El formato de la entrada depende del tipo de datos.

DatosFormato de los predictores
Imágenes 2DUn arreglo numérico de h por w por c por N, en el que h, w y c son la altura, la anchura y el número de canales de las imágenes, respectivamente, y N es el número de imágenes.
Secuencia de vectorMatrices de c por s, donde c es el número de características de las secuencias y s es la longitud de la secuencia.
Secuencias de imágenes 2DArreglos de h por w por c por s, donde h, w y c corresponden a la altura, la anchura y el número de canales de las imágenes, respectivamente, y s es la longitud de la secuencia.
CaracterísticasUn arreglo numérico de N por numFeatures, en el que N es el número de observaciones y numFeatures es el número de características de los datos de entrada.

Si el arreglo contiene valores NaN, estos se propagan a lo largo de la red.

Salida

expandir todo

El puerto de salida del bloque Predict toma los nombres de las capas de salida de la red cargada. Por ejemplo, si especifica googlenet para MATLAB function, el puerto de salida del bloque Predict se etiqueta como output. En función de la red cargada, la salida del bloque Predict puede representar puntuaciones o respuestas predichas.

Puntuaciones o respuestas predichas, devueltas como un arreglo de N por K, donde N es el número de observaciones y K es el número de clases.

Si habilita Activations para una capa de red, el bloque Predict crea un nuevo puerto de salida con el nombre de la capa de red seleccionada. Este puerto produce como salida las activaciones de la capa de red seleccionada.

Las activaciones de la capa de red se devuelven como un arreglo numérico. El formato de la salida depende del tipo de datos de entrada y del tipo de salida de la capa.

En el caso de salida de imágenes 2D, las activaciones son un arreglo de h por w por c por n, donde h, w y c son la altura, la anchura y el número de canales para la salida de la capa escogida, respectivamente, y n es el número de imágenes.

Para una unidad de tiempo única que contiene datos de vector, las activaciones son una matriz de c por n, donde n es el número de secuencias y c es el número de características de la secuencia.

En el caso de una unidad de tiempo única que contiene datos de imágenes 2D, las activaciones son un arreglo de h por w por c por n, en el que n es el número de secuencias y h, w, y c son la altura, la anchura y el número de canales de las imágenes, respectivamente.

Parámetros

expandir todo

Especifique el origen de la red entrenada. Seleccione una de las siguientes opciones:

  • Network from MAT-file: importar una red entrenada desde un archivo MAT que contenga un objeto SeriesNetwork, DAGNetwork o dlnetwork.

  • Network from MATLAB function: importar una red preentrenada desde una función de MATLAB. Por ejemplo, utilizando la función googlenet.

Uso programático

Parámetro de bloque: Network
Tipo: vector de caracteres, cadena
Valores: 'Network from MAT-file' | 'Network from MATLAB function'
Valor predeterminado: 'Network from MAT-file'

Este parámetro especifica el nombre del archivo MAT que contiene la red de deep learning entrenada que desea cargar. Si el archivo no está en la ruta de MATLAB, utilice el botón Browse para localizar el archivo.

Dependencies

Para habilitar este parámetro, establezca el parámetro Network en Network from MAT-file.

Uso programático

Parámetro de bloque: NetworkFilePath
Tipo: vector de caracteres, cadena
Valores: Nombre o ruta del archivo MAT
Valor predeterminado: 'untitled.mat'

Este parámetro especifica el nombre de la función de MATLAB para la red de deep learning preentrenada. Por ejemplo, utilice la función googlenet para importar el modelo preentrenado GoogLeNet.

Dependencias

Para habilitar este parámetro, establezca el parámetro Network en Network from MATLAB function.

Uso programático

Parámetro de bloque: NetworkFunction
Tipo: vector de caracteres, cadena
Valores: Nombre de la función de MATLAB
Valor predeterminado: 'squeezenet'

Tamaño de los minilotes utilizados durante la predicción, especificado como un entero positivo. Un tamaño de minilote mayor requiere más memoria, pero puede proporcionar predicciones más rápidas.

Uso programático

Parámetro de bloque: MiniBatchSize
Tipo: vector de caracteres, cadena
Valores: entero positivo
Valor predeterminado: '128'

Habilite puertos de salida que devuelvan puntuaciones o respuestas predichas.

Uso programático

Parámetro de bloque: Predictions
Tipo: vector de caracteres, cadena
Valores: 'off' | 'on'
Valor predeterminado: 'on'

Use la lista Activations para seleccionar la capa de la que extraer características. Las capas seleccionadas aparecen como un puerto de salida del bloque Predict.

Uso programático

Parámetro de bloque: Activations
Tipo: vector de caracteres, cadena
Valores: vector de caracteres en forma de '{'layerName1',layerName2',...}'
Valor predeterminado: ''

Capacidades ampliadas

Historial de versiones

Introducido en R2020b