使用培训的经常性神经网络预测响应并更新网络状态
你可以在CPU或GPU上使用训练有素的深度学习网络进行预测。使用GPU需要并行计算工具箱™和支持的GPU设备。金宝app有关支持设备的信息,请参阅金宝appGPU版金宝app本支持(并行计算工具箱)。使用该硬件要求指定硬件要求'executionenvironment'
名称值对参数。
[
预测输入数据的响应UpdatedNet.
那伊普雷德
) = predictAndUpdateState (雷克内特
那序列
)序列
使用培训的经常性神经网络雷克内特
并更新网络状态。
此功能仅支持经常性的神经网络金宝app。输入雷克内特
必须至少有一个复发层。
[
使用先前语法中的任何参数和一个或多个指定的其他选项UpdatedNet.
那伊普雷德
) = predictAndUpdateState (___那名称,价值
)名称,价值
对参数。例如,“MiniBatchSize”,27
使用型号27进行预测。
提示
当使用不同长度的序列进行预测时,最小批量大小可能会影响添加到输入数据的填充量,从而产生不同的预测值。请尝试使用不同的值,以查看哪一个最适合您的网络。要指定小批量大小和填充选项,请使用“MiniBatchSize”
和'sequencelength'
选择,分别。
当你用Trainnetwork.
函数,或者将预测或验证函数用于DAGNetwork
和系列网络
对象,软件使用单精度浮点算术执行这些计算。培训,预测和验证的功能包括Trainnetwork.
那预测
那分类
,激活
。当您同时使用CPU和GPU训练网络时,软件使用单精度算法。
工藤、富山、新保。“使用通过区域的多维曲线分类”。模式识别字母第20卷,第11-13号,第1103-1111页。
[2]UCI机器学习知识库:日语元音数据集. https://archive.ics.uci.edu/ml/datasets/Japanese+元音