我试图使用MATLAB中的神经网络模式识别工具箱来识别数据集中的不同类型的类。我有一个21392 x 4表,列1-3是我想要用作预测的,第4列有14个不同类别的标签(如愤怒、悲伤、快乐、中立等字符串)。似乎神经网络模式识别工具箱与MATLAB分类学习工具箱不同,它不允许我导入表并自动从表中提取预测器和响应。此外,我不能手动指定输入和目标到神经网络,因为它没有显示在选项中。
我查看了诸如Iris数据集、葡萄酒数据集、癌症数据集等示例,但它们都只有2-3个类作为正在识别的输出(并以二进制(如000、010、011等)编码)。标签不是字符串类型,不像我的,像愤怒,悲伤,快乐,中立等(总共14个不同的
我想我的MATLAB应用程序,它使用作为独立的应用程序,但是众所周知,MATLAB不能将训练神经网络编译成独立的,只能编译已经训练过的神经网络。
我的应用程序的核心是对输入数据进行神经网络的训练。我怎么能这么做?有别的办法吗?我的MATLAB版本是R2014a。
我尝试使用deploytool编译,但是根据MATLAB文档:
THIS CAN BE COMPILED
* Pre-trained network
* command line functions
THIS CANNOT BE COMPILED
* All other command line functionalit
我正在尝试在Matlab中使用深度神经网络。然而,我得到了一个错误: Error using trainNetwork (第165行)X和Y中的观察值数量不一致。 下面是我目前的实现: size(XX) % ans = 120000 36
size(YY) % ans = 120000 24
%% Train a Deep Neural Network
layers = [
imageInputLayer([1 36]); % Input is an "Image" 1x36 floating point vector
fullyConnectedLaye
我目前正在尝试使用tensorflow 2.4.0自定义训练神经网络,使用RTX 3070运行CUDA 11.0和CUDNN 8。
我遇到了这样一个问题,我可以训练模型,但实际上无法获得任何输出,因为当我运行时:
output = model(x)遇到以下消息,我的jupyter内核会自动重新启动。
2021-01-08 20:52:53.437668: W tensorflow/stream_executor/gpu/asm_compiler.cc:191] Falling back to the CUDA driver for PTX compilation; ptxas does not
如果我使用这个函数:
net=feedfowardnet([60 60])
net2=train(net,x,t)
训练大约需要20分钟。(我已经在多台计算机上这样做了,{具有相同规格},平均时间总是在20分钟左右)
如果我使用这个函数:
parpool %//starts a local parallel pool connected to 2 workers
net2=train(net,x,t,'useParallel','yes')
完成训练需要40分钟左右。我有两个核心,所以这是违反直觉的,它应该是两倍的速度,而不是两倍的慢。我使用相同的启动网络,