このページは前リリースの情報です。該当の英語のページはこのリリースで削除されています。

予測用の多出力ネットワークの組み立て

この例では、予測用の複数の出力ネットワークを組み立てる方法を説明します。

予測用の dlnetwork オブジェクトを使用する代わりに、関数 assembleNetwork を使用して、予測の準備が整っている DAGNetwork 内にネットワークを組み立てることができます。これにより、データストアなどの他のデータ型で関数 predict を使用できます。

モデル関数とパラメーターの読み込み

MAT ファイル dlnetDigits.mat からモデル パラメーターを読み込みます。MAT ファイルには、カテゴリカル ラベルのスコアと数字イメージの回転角度の両方を予測する dlnetwork オブジェクト、ならびにクラス名が含まれます。

s = load("dlnetDigits.mat");
net = s.net;
classNames = s.classNames;

予測用のネットワークの組み立て

関数 layerGraph を使用して、dlnetwork オブジェクトから層グラフを抽出します。

lgraph = layerGraph(net);

層グラフに出力層は含まれません。関数 addLayers および connectLayers を使用し、層グラフに分類層と回帰層を追加します。

layers = classificationLayer(Classes=classNames,Name="coutput");
lgraph = addLayers(lgraph,layers);
lgraph = connectLayers(lgraph,"softmax","coutput");

layers = regressionLayer(Name="routput");
lgraph = addLayers(lgraph,layers);
lgraph = connectLayers(lgraph,"fc2","routput");

ネットワークのプロットを表示します。

figure
plot(lgraph)

関数 assembleNetwork を使用してネットワークを組み立てます。

net = assembleNetwork(lgraph)

net = 
  DAGNetwork with properties:

         Layers: [19x1 nnet.cnn.layer.Layer]
    Connections: [19x2 table]
     InputNames: {'in'}
    OutputNames: {'coutput'  'routput'}

新しいデータの予測の実行

テスト データを読み込みます。

[XTest,T1Test,T2Test] = digitTest4DArrayData;

組み立てたネットワークを使用して予測を行うには、関数 predict を使用します。分類出力のカテゴリカル ラベルを返すには、ReturnCategorical オプションを true に設定します。

[Y1Test,Y2Test] = predict(net,XTest,ReturnCategorical=true);

分類精度を評価します。

accuracy = mean(Y1Test==T1Test)

accuracy = 0.9870

回帰精度を評価します。

angleRMSE = sqrt(mean((Y2Test - T2Test).^2))

angleRMSE = single
    6.0091

一部のイメージと、その予測を表示します。予測角度を赤、正解ラベルを緑で表示します。

idx = randperm(size(XTest,4),9);
figure
for i = 1:9
    subplot(3,3,i)
    I = XTest(:,:,:,idx(i));
    imshow(I)
    hold on
    
    sz = size(I,1);
    offset = sz/2;
    
    thetaPred = Y2Test(idx(i));
    plot(offset*[1-tand(thetaPred) 1+tand(thetaPred)],[sz 0],"r--")
    
    thetaValidation = T2Test(idx(i));
    plot(offset*[1-tand(thetaValidation) 1+tand(thetaValidation)],[sz 0],"g--")
    
    hold off
    label = string(Y1Test(idx(i)));
    title("Label: " + label)
end

参考

convolution2dLayer | batchNormalizationLayer | reluLayer | fullyConnectedLayer | softmaxLayer | assembleNetwork | predict

関連するトピック

• 多入力および多出力ネットワーク
• dlnetwork オブジェクトを使用した予測の実行
• 複数の出力をもつネットワークの学習
• カスタム学習ループでの学習オプションの指定
• カスタム学習ループを使用したネットワークの学習
• カスタム学習ループ、損失関数、およびネットワークの定義
• 深層学習層の一覧