Main Content

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.

Redes multi-entrada y multi-salida

En Deep Learning Toolbox™, puede definir arquitecturas de red con varias entradas (por ejemplo, redes entrenadas en distintas fuentes y tipos de datos) o varias salidas (por ejemplo, redes que predicen tanto respuestas de clasificación como de regresión).

Redes multi-entrada

Defina redes multi-entrada cuando la red requiera datos de varias fuentes o en formatos diferentes. Un ejemplo serían las redes que requieren que se capturen datos de imágenes de varios sensores en resoluciones diferentes.

Para definir y entrenar una red de deep learning con varias entradas, especifique la arquitectura de red usando un objeto dlnetwork y lleve a cabo el entrenamiento usando la función trainnet.

Para llevar a cabo predicciones en una red de deep learning entrenada con varias entradas, utilice la función minibatchpredict. Especifique varias entradas con una de las siguientes opciones:

  • objeto combinedDatastore

  • objeto transformedDatastore

  • arreglos numéricos múltiples

Para ver un ejemplo de cómo entrenar una red con entradas de características y de imagen, consulte Entrenar una red con datos de características y de imagen.

Redes multi-salida

Defina redes multi-salida para las tareas que requieren varias respuestas en formatos diferentes. Un ejemplo serían las tareas que requieren tanto salidas categóricas como númericas.

Para entrenar una red de deep learning con varias salidas, utilice la función trainnet con una función de pérdida personalizada. Por ejemplo, para definir una pérdida que corresponda a la suma de la pérdida de entropía cruzada de las etiquetas predichas y objetivo y el error cuadrático medio de las respuestas numéricas predichas y objetivo, utilice esta función de pérdida:

lossFcn = @(Y1,Y2,T1,T2) crossentropy(Y1,T1) + mse(Y2,T2);

Entrene la red neuronal con la función de pérdida personalizada usando la función trainnet.

net = trainnet(dsTrain,net,lossFcn,options);

Para llevar a cabo predicciones en una red de deep learning entrenada con varias salidas, utilice la función minibatchpredict.

Para ver un ejemplo, consulte Train Network with Multiple Outputs.

Utilizar almacenes de datos para redes multi-entrada y multi-salida

Para utilizar un almacén de datos en redes con capas de entrada múltiple o varias salidas, utilice las funciones combine y transform y cree un almacén de datos que genere un arreglo de celdas con (numInputs + numOutputs) columnas, donde numInputs es el número de entradas de red y numOutputs es el número de salidas de red. En este caso, las primeras numInputs columnas especifican los predictores de cada entrada y la últimas numOutputs columnas especifican las respuestas. El orden de las entradas y las salidas se indica mediante las propiedades InputNames y OutputNames de la red neuronal, respectivamente.

Consulte también

| | | | |

Temas relacionados