이 페이지의 최신 내용은 아직 번역되지 않았습니다. 최신 내용은 영문으로 볼 수 있습니다.

exportONNXNetwork

신경망을 ONNX 모델 형식으로 내보내기

구문

exportONNXNetwork(net,filename)

exportONNXNetwork(net,filename,Name,Value)

설명

exportONNXNetwork(net,filename)은 딥러닝 신경망 net을 가중치와 함께 ONNX™ 형식 파일 filename으로 내보냅니다. filename이 존재하는 경우 exportONNXNetwork는 파일을 덮어씁니다.

이 함수를 사용하려면 Deep Learning Toolbox™ Converter for ONNX Model Format 지원 패키지가 필요합니다. 이 지원 패키지가 설치되어 있지 않으면 함수에서 다운로드 링크를 제공합니다.

exportONNXNetwork(net,filename,Name,Value)는 하나 이상의 이름-값 쌍 인수로 지정된 추가 옵션을 사용하여 신경망을 내보냅니다.

예제

ONNX 형식으로 신경망 내보내기

사전 훈련된 SqueezeNet 컨벌루션 신경망을 불러옵니다.

net = squeezenet

  DAGNetwork with properties:

         Layers: [68×1 nnet.cnn.layer.Layer]
    Connections: [75×2 table]
     InputNames: {'data'}
    OutputNames: {'ClassificationLayer_predictions'}

신경망을 현재 폴더에 squeezenet.onnx라는 이름의 ONNX 형식 파일로 내보냅니다. Deep Learning Toolbox Converter for ONNX Model Format 지원 패키지가 설치되어 있지 않은 경우, 필요한 지원 패키지로 연결되는 애드온 탐색기 링크를 함수에서 제공합니다. 지원 패키지를 설치하려면 링크를 클릭한 다음 설치를 클릭하십시오.

filename = 'squeezenet.onnx';
exportONNXNetwork(net,filename)

이제 ONNX 가져오기를 지원하는 모든 딥러닝 프레임워크로 squeezenet.onnx 파일을 가져올 수 있습니다.

입력 인수

net — 훈련된 신경망

SeriesNetwork 객체 | DAGNetwork 객체

훈련된 신경망으로, SeriesNetwork 또는 DAGNetwork 객체로 지정됩니다. 사전 훈련된 신경망을 가져오거나(예: googlenet 함수 사용) trainNetwork를 사용하여 자신만의 고유한 신경망을 훈련시켜 훈련된 신경망을 얻을 수 있습니다.

filename — 파일 이름

문자형 벡터 | string형 스칼라

파일 이름으로, 문자형 벡터 또는 string형 스칼라로 지정됩니다.

예: 'network.onnx'

이름-값 쌍의 인수

선택적으로 Name,Value 인수가 쉼표로 구분되어 지정됩니다. 여기서 Name은 인수 이름이고 Value는 대응값입니다. Name은 따옴표 안에 표시해야 합니다. Name1,Value1,...,NameN,ValueN과 같이 여러 개의 이름-값 쌍의 인수를 어떤 순서로든 지정할 수 있습니다.

예: exportONNXNetwork(net,filename,'NetworkName','my_net')은 신경망을 내보내고, 저장된 ONNX 신경망에 있는 신경망 이름을 'my_net'으로 지정합니다.

'NetworkName' — ONNX 신경망 이름

'Network' (디폴트 값) | 문자형 벡터 | string형 스칼라

저장된 파일에 저장할 ONNX 신경망 이름으로, 문자형 벡터 또는 string형 스칼라로 지정됩니다.

예: 'my_squeezenet'

'OpsetVersion' — ONNX 연산자 세트의 버전

8 (디폴트 값) | 6 | 7 | 9

내보낸 모델에서 사용할 ONNX 연산자 세트의 버전. 디폴트 연산자 세트가 내보내려는 신경망을 지원하지 않는 경우, 이후 버전을 사용해 보십시오. 내보낸 신경망을 다른 프레임워크로 가져오려는 경우, 내보낼 때 사용한 연산자 세트를 해당 Importer가 지원하지 못한다면 가져오기가 실패할 수 있습니다.

예: 6

팁

• 여러 개의 입력값과 여러 개의 출력값을 포함하는 훈련된 MATLAB^® 딥러닝 신경망을 ONNX 모델 형식으로 내보낼 수 있습니다. 다중 입력 및 다중 출력 딥러닝 신경망에 대해 자세히 알아보려면 Multiple-Input and Multiple-Output Networks 항목을 참조하십시오.

• exportONNXNetwork는 훈련 옵션, 학습률 인자 또는 정규화 인자와 같이 신경망 훈련과 관련된 설정 또는 속성을 내보내지 않습니다.

• ONNX 형식이 지원하지 않는 계층을 포함하는 신경망을 내보내는 경우, exportONNXNetwork는 지원되지 않는 계층 대신 자리 표시자 ONNX 연산자를 저장하고 경고를 반환합니다. 자리 표시자 연산자가 있는 ONNX 신경망은 다른 딥러닝 프레임워크로 가져올 수 없습니다.

• MATLAB과 ONNX 사이의 아키텍처 차이로 인해, 내보낸 신경망은 원래 신경망과 다른 구조를 가질 수 있습니다. 또한, 내보낸 신경망을 가져올 경우 다시 가져온 신경망의 계층이 원래 신경망과 다를 수 있습니다.

• exportONNXNetwork는 다음을 내보낼 수 있습니다.

  • 컨벌루션 계층과 LSTM 계층을 모두 포함하는 신경망(예: 비디오 분류 응용 프로그램용).

  • 아래 표에 나온 것처럼 Deep Learning Toolbox Converter for ONNX Model Format 또는 Deep Learning Toolbox Importer for TensorFlow™-Keras Models를 사용하여 ONNX 또는 TensorFlow-Keras에서 신경망을 가져올 때 생성된 모든 사용자 지정 계층(nnet.onnx.layer.Flatten3dLayer 제외).

  • 다음과 같은 계층.

    ONNX Exporter에서 지원하는 계층
    Deep Learning Toolbox 계층
    additionLayer
    averagePooling2dLayer
    averagePooling3dLayer
    batchNormalizationLayer
    bilstmLayer
    ClassificationOutputLayer
    clippedReluLayer
    concatenationLayer
    convolution2dLayer
    convolution3dLayer
    crop2dLayer
    CrossChannelNormalizationLayer
    depthConcatenationLayer
    dropoutLayer
    eluLayer
    fullyConnectedLayer
    flattenLayer
    globalAveragePooling2dLayer
    globalMaxPooling2dLayer
    groupedConvolution2dLayer
    gruLayer
    imageInputLayer
    image3dInputLayer
    leakyReluLayer
    lstmLayer
    maxPooling2dLayer
    maxPooling3dLayer
    maxUnpooling2dLayer
    RegressionOutputLayer
    reluLayer
    sequenceInputLayer
    softmaxLayer
    tanhLayer
    transposedConv2dLayer
    transposedConv3dLayer
    ONNX Importer 사용자 지정 계층
    nnet.onnx.layer.ClipLayer
    nnet.onnx.layer.FlattenLayer
    nnet.onnx.layer.GlobalAveragePooling2dLayer
    nnet.onnx.layer.IdentityLayer
    nnet.onnx.layer.PReluLayer
    nnet.onnx.layer.ElementwiseAffineLayer
    nnet.onnx.layer.TanhLayer
    Keras Importer 사용자 지정 계층
    nnet.keras.layer.FlattenCStyleLayer
    nnet.keras.layer.GlobalAveragePooling2dLayer
    nnet.keras.layer.SigmoidLayer
    nnet.keras.layer.TanhLayer
    nnet.keras.layer.ZeroPadding2dLayer
    Caffe Importer 사용자 지정 계층
    nnet.caffe.layer.TanhLayer
    Computer Vision Toolbox™ 계층
    pixelClassificationLayer (Computer Vision Toolbox)
    rcnnBoxRegressionLayer (Computer Vision Toolbox)
    roiInputLayer (Computer Vision Toolbox)
    roiMaxPooling2dLayer (Computer Vision Toolbox)
    Text Analytics Toolbox™ 계층
    wordEmbeddingLayer (Text Analytics Toolbox)

참고 문헌

[1] Open Neural Network Exchange. https://github.com/onnx/.

[2] ONNX. https://onnx.ai/.

참고 항목

importCaffeLayers | importCaffeNetwork | importKerasLayers | importKerasNetwork | importONNXLayers | importONNXNetwork

도움말 항목

• 사전 훈련된 심층 신경망
• MATLAB의 딥러닝

R2018a에 개발됨