R2020aにおける複数出力のLSTMネットワークの構築について
조회 수: 4 (최근 30일)
이전 댓글 표시
現在R2020aバージョンのMatlabを使用して、300点分の時系列データから複数(2つ)の出力を持つ分類用のLSTMネットワークを構築しようと考えています。
以下のドキュメントを参考にしているのですが、ドキュメント内に登場する「arrayDatastore」や「minibatchqueue」関数等はR2020aでは実装されていないため、同様の形でコードを書くことができず悩んでいます。
【参考ドキュメント】複数の出力をもつネットワークの学習
これらの関数を使わずに複数の出力を持つネットワークの構築方法を知っている方がいらっしゃればご教授頂きたいです。
宜しくお願い致します。
댓글 수: 0
채택된 답변
Atsushi Ueno
2022년 11월 23일
TrainNetworkWithMultipleOutputsExample.mlxを改変し動作確認しながら進めています。初めの「学習データの読み込み」における arrayDatastore を除きました。単に冒頭の digitTrain4DArrayData を紐解いただけです。このまま従来の imageDatastore と CombinedDatastore オブジェクトで押し通そうとしています。dsTrainを minibatchqueue に入力するのが次の課題です。
%[XTrain,T1Train,T2Train] = digitTrain4DArrayData;
digitTrainCSVPath = fullfile( matlabroot, 'toolbox', 'nnet', 'nndemos', 'nndatasets', 'DigitDataset', 'digitTrain.csv' );
digitTrainTable = readtable( digitTrainCSVPath, 'Delimiter', ',' );
digitPath = fullfile( matlabroot, 'toolbox', 'nnet', 'nndemos', 'nndatasets', 'DigitDataset' );
imagePaths = strcat(num2str(digitTrainTable.digit), filesep, digitTrainTable.image);
imagePaths = cellfun(@(s)strcat(digitPath,filesep,s),imagePaths,'UniformOutput',false);
digitImds = imageDatastore( imagePaths, 'LabelSource', 'foldernames' );
%imagesCellArray = digitImds.readall();
%numImages = numel( imagesCellArray );
%[h, w, c] = size( imagesCellArray{1} );
%XTrain = zeros( h, w, c, numImages ); %dsXTrain = arrayDatastore(XTrain,IterationDimension=4);
%for i=1:numImages, XTrain(:,:,:,i) = im2double( imagesCellArray{i} ); end
T1Train = digitImds.Labels; %dsT1Train = arrayDatastore(T1Train);
T2Train = digitTrainTable.angle; %dsT2Train = arrayDatastore(T2Train);
%dsTrain = combine(dsXTrain,dsT1Train,dsT2Train);
classNames = categories(T1Train);
numClasses = numel(classNames);
numObservations = numel(T1Train);
idx = randperm(numObservations,64);
I = imtile(subset(digitImds,idx)); % I = imtile(XTrain(:,:,:,idx));
figure
imshow(I)
改変したTrainNetworkWithMultipleOutputsExampleJ.mlxを添付しようかと思いましたが、copyrightがどうのこうのしてまずいのかなと懸念しています。進んだら追記致します。
추가 답변 (0개)
참고 항목
카테고리
Help Center 및 File Exchange에서 イメージを使用した深層学習에 대해 자세히 알아보기
Community Treasure Hunt
Find the treasures in MATLAB Central and discover how the community can help you!
Start Hunting!