squeezenet
(No recomendado) Red neuronal convolucional SqueezeNet
No se recomienda el uso de squeezenet
. Utilice la función imagePretrainedNetwork
en su lugar. Para obtener más información, consulte Historial de versiones.
Descripción
SqueezeNet es una red neuronal convolucional con 18 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 muchos animales). Como resultado, la red ha aprendido representaciones ricas en características para una amplia gama de imágenes. Esta función devuelve una red SqueezeNet v1.1, que tiene una precisión similar a la de SqueezeNet v1.0 pero que requiere menos operaciones de punto flotante por predicción [3]. El tamaño de la entrada de imagen de la red es de 227 por 227. Para ver más redes preentrenadas en MATLAB®, consulte Redes neuronales profundas preentrenadas.
devuelve una red SqueezeNet entrenada con el conjunto de datos de ImageNet. net
= squeezenet
devuelve una red SqueezeNet entrenada con el conjunto de datos de ImageNet. Esta sintaxis es equivalente a net
= squeezenet('Weights','imagenet'
)net = squeezenet
.
devuelve la arquitectura de red de SqueezeNet sin entrenar.lgraph
= squeezenet('Weights','none'
)
Ejemplos
Argumentos de salida
Referencias
[1] ImageNet. http://www.image-net.org.
[2] Iandola, Forrest N., Song Han, Matthew W. Moskewicz, Khalid Ashraf, William J. Dally, and Kurt Keutzer. "SqueezeNet: AlexNet-level accuracy with 50x fewer parameters and <0.5 MB model size." Preprint, submitted November 4, 2016. https://arxiv.org/abs/1602.07360.
[3] Iandola, Forrest N. "SqueezeNet." https://github.com/forresti/SqueezeNet.
Capacidades ampliadas
Historial de versiones
Introducido en R2018aConsulte también
imagePretrainedNetwork
| dlnetwork
| trainingOptions
| trainnet
| Deep Network Designer