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.

resnet101

Red neuronal convolucional ResNet-101

• 

×

Sintaxis

net = resnet101

net = resnet101('Weights','imagenet')

lgraph = resnet101('Weights','none')

Descripción

ResNet-101 es una red neuronal convolucional con 101 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 224 por 224. Para ver más redes preentrenadas en MATLAB^®, consulte Redes neuronales profundas preentrenadas.

Puede utilizar classify para clasificar nuevas imágenes mediante el modelo ResNet-101. Siga los pasos que se muestran en Clasificar una imagen con GoogLeNet y reemplace GoogLeNet por ResNet-101.

Para volver a entrenar la red en una nueva tarea de clasificación, siga los pasos que se muestran en Entrenar redes de deep learning para clasificar nuevas imágenes y cargue ResNet-101 en lugar de GoogLeNet.

Sugerencia

Para crear una red residual sin entrenar que sea adecuada para realizar tareas de clasificación de imágenes, utilice resnetLayers.

net = resnet101 devuelve una red ResNet-101 entrenada con el conjunto de datos de ImageNet.

Esta función requiere el paquete de soporte Deep Learning Toolbox™ Model for ResNet-101 Network. Si no ha instalado el paquete de soporte, la función proporciona un enlace de descarga.

net = resnet101('Weights','imagenet') devuelve una red ResNet-101 entrenada con el conjunto de datos de ImageNet. Esta sintaxis es equivalente a net = resnet101.

lgraph = resnet101('Weights','none') devuelve la arquitectura de red ResNet-101 sin entrenar. El modelo sin entrenar no requiere ningún paquete de soporte.

Ejemplos

Descargar el paquete de soporte ResNet-101

Descargue e instale el paquete de soporte Deep Learning Toolbox Model for ResNet-101 Network.

Escriba resnet101 en la línea de comandos.

resnet101

Si el paquete de soporte Deep Learning Toolbox Model for ResNet-101 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 resnet101 en la línea de comandos. Si el paquete de soporte requerido está instalado, la función devuelve un objeto DAGNetwork.

resnet101

ans = 

  DAGNetwork with properties:

         Layers: [347×1 nnet.cnn.layer.Layer]
    Connections: [379×2 table]

Visualice la red con Deep Network Designer.

deepNetworkDesigner(resnet101)

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 ResNet-101 preentrenada

objeto DAGNetwork

Red neuronal convolucional ResNet-101 preentrenada, devuelta como un objeto DAGNetwork.

lgraph — Arquitectura de red neuronal convolucional ResNet-101 sin entrenar

objeto LayerGraph

Arquitectura de red neuronal convolucional ResNet-101 sin entrenar, devuelta como un objeto LayerGraph.

Referencias

[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://github.com/KaimingHe/deep-residual-networks

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 = resnet101 o pasando la función resnet101 a coder.loadDeepLearningNetwork (MATLAB Coder). Por ejemplo, net = coder.loadDeepLearningNetwork('resnet101').

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

La sintaxis resnet101('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 = resnet101 o pasando la función resnet101 a coder.loadDeepLearningNetwork (GPU Coder). Por ejemplo, net = coder.loadDeepLearningNetwork('resnet101').

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

• La sintaxis resnet101('Weights','none') no es compatible con la generación de código GPU.

Historial de versiones

Introducido en R2017b

Consulte también

Deep Network Designer | resnetLayers | vgg16 | vgg19 | resnet18 | resnet50 | googlenet | inceptionv3 | inceptionresnetv2 | densenet201 | squeezenet | trainNetwork | layerGraph | DAGNetwork

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