Main Content

shufflenet

(非推奨) 事前学習済みの ShuffleNet 畳み込みニューラル ネットワーク

ページ内をすべて折りたたむ
  • ShuffleNet network architecture

shufflenet は推奨されません。代わりに関数 imagePretrainedNetwork を使用し、"shufflenet" モデルを指定してください。詳細については、バージョン履歴を参照してください。

構文

net = shufflenet

説明

ShuffleNet は、ImageNet データベース[1]の 100 万個を超えるイメージで学習を行った畳み込みニューラル ネットワークです。このネットワークは、イメージを 1000 個のオブジェクト カテゴリ (キーボード、マウス、鉛筆、多くの動物など) に分類できます。結果として、このネットワークは広範囲のイメージに対する豊富な特徴表現を学習しています。ネットワークのイメージ入力サイズは 224 x 224 です。MATLAB® の他の事前学習済みのネットワークについては、事前学習済みの深層ニューラル ネットワークを参照してください。

例

net = shufflenet は、事前学習済みの ShuffleNet 畳み込みニューラル ネットワークを返します。

この関数には、"Deep Learning Toolbox™ Model for ShuffleNet Network" サポート パッケージが必要です。このサポート パッケージがインストールされていない場合、関数によってダウンロード用リンクが表示されます。

例

すべて折りたたむ

"Deep Learning Toolbox Model for ShuffleNet Network" サポート パッケージをダウンロードしてインストールします。

コマンド ラインで shufflenet と入力します。

shufflenet

"Deep Learning Toolbox Model for ShuffleNet Network" サポート パッケージがインストールされていない場合、この関数は、必要なサポート パッケージへのリンクをアドオン エクスプローラーに表示します。サポート パッケージをインストールするには、リンクをクリックして、[インストール] をクリックします。コマンド ラインで shufflenet と入力して、インストールが正常に終了していることを確認します。必要なサポート パッケージがインストールされている場合、関数によって DAGNetwork オブジェクトが返されます。

shufflenet
ans = 

  DAGNetwork with properties:

         Layers: [173×1 nnet.cnn.layer.Layer]
    Connections: [188×2 table]

ディープ ネットワーク デザイナーを使用してネットワークを可視化します。 

deepNetworkDesigner(shufflenet)

ディープ ネットワーク デザイナーで [新規] をクリックし、事前学習済みの他のニューラル ネットワークを探索します。

Deep Network Designer start page showing available pretrained neural networks

ニューラル ネットワークをダウンロードする必要がある場合は、目的のニューラル ネットワークで [インストール] をクリックしてアドオン エクスプローラーを開きます。

出力引数

すべて折りたたむ

事前学習済みの ShuffleNet 畳み込みニューラル ネットワーク。DAGNetwork オブジェクトとして返されます。

参照

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

[2] Zhang, Xiangyu, Xinyu Zhou, Mengxiao Lin, and Jian Sun. "ShuffleNet: An Extremely Efficient Convolutional Neural Network for Mobile Devices." arXiv preprint arXiv:1707.01083v2 (2017).

バージョン履歴

R2019a で導入

すべて折りたたむ

R2024a: 非推奨

shufflenet は推奨されません。代わりに関数 imagePretrainedNetwork を使用し、モデルとして "shufflenet" を指定してください。

関数 shufflenet のサポートを削除する予定はありません。ただし、関数 imagePretrainedNetwork には、転移学習ワークフローに役立つ機能が追加されています。たとえば、データに含まれるクラスの数を numClasses オプションで指定すると、この関数は、修正することなくそのまま再学習が可能なネットワークを返します。

関数 imagePretrainedNetwork は、ネットワークを dlnetwork オブジェクトとして返しますが、このオブジェクトにはクラス名が格納されていません。事前学習済みのネットワークのクラス名を取得するには、関数 imagePretrainedNetwork の 2 番目の出力引数を使用します。

関数 shufflenet の代表的な使用法と、代わりに関数 imagePretrainedNetwork を使用するためのコードの更新方法を、次の表に示します。

非推奨推奨
net = shufflenet;[net,classNames] = imagePretrainedNetwork("shufflenet");
net = shufflenet(Weights="none");net = imagePretrainedNetwork("shufflenet",Weights="none");

imagePretrainedNetwork は dlnetwork オブジェクトを返します。これには次の利点もあります。

  • dlnetwork オブジェクトは、ネットワークの構築、予測、組み込み学習、可視化、圧縮、検証、およびカスタム学習ループをサポートする統合されたデータ型です。

  • dlnetwork オブジェクトは、ユーザーが作成したり外部のプラットフォームからインポートしたりできる、さまざまなネットワーク アーキテクチャをサポートしています。

  • 関数 trainnet は dlnetwork オブジェクトをサポートしているため、損失関数を簡単に指定できます。組み込みの損失関数を選択するか、カスタム損失関数を指定できます。

  • dlnetwork オブジェクトを使用した学習と予測は、通常、LayerGraph と trainNetwork を使用したワークフローよりも高速です。

dlnetwork オブジェクトとして指定されたニューラル ネットワークに学習させるには、関数 trainnet を使用します。

参考

| | | |

トピック