matlab训练自己的模型

光算行者

已于 2024-07-18 14:54:25 修改

阅读量163

点赞数 1

文章标签： matlab 开发语言

于 2024-07-18 14:52:38 首次发布

本文链接：https://blog.csdn.net/weixin_38378399/article/details/140522548

版权

    如何使用matlab定义一个网络框架，并导入自己的数据进行训练，在进行某个项目开发的过程中，我用到了matlab进行深度学习算法的仿真，在网上找了挺多资料，并没有类似的案列，所以写博客记录一下，希望对大家有所帮助。
   我是用的matlab版本为2023b，使用表格数据，自定义网络框架进行训练。
   第一步，当然是制作自己的表格数据集，如果是其他类型的输入数据，请参考其他案例哦，我这个是表格数据。
   第二步，打开matlab，定义自己的网络框架，在命令行窗口输入“deepNetworkDesigner”或者在APP栏找到这个
  ![在这里插入图片描述](https://i-blog.csdnimg.cn/direct/645f8de1352942dbaf1c1c001c66b3c0.jpeg#pic_center)

 打开网络编辑器，根据自己的需要选择网络模块，然后连接并定义输入，以及每层的输出，如图：

请添加图片描述
每个网络层的输出以及其他设置，选择它就可以看到它的设置信息，设置好后，点击导出即可，然后就可以在工作区有一个layers_1的变量，即定义的模型框架。

dataFile = '**.csv';
dataTable = readmatrix(dataFile, 'Delimiter', ',');

% 转换`table`为数组
XTrainOrig = dataTable(:, 1:end-1);
TTrainOrig = dataTable(:, end);

% 存储归一化参数
XMin = min(XTrainOrig,[],1);
XMax = max(XTrainOrig,[],1);
TMin = min(TTrainOrig,[],1);
TMax = max(TTrainOrig,[],1);

% 归一化特征数据和目标数据
for i=1:size(XTrainOrig,1)
    XTrain(i,:) = (XTrainOrig(i,:) - XMin) ./ (XMax - XMin);
end
TTrain = (TTrainOrig - TMin) ./ (TMax - TMin);

batchSize = 64; % 例如，这里设置批量大小为32

% 调整批量大小为实际数据点数的因子
rem = mod(size(XTrain, 1), batchSize);
if rem > 0
    XTrain = XTrain(1:end-rem, :);
    TTrain = TTrain(1:end-rem, :);
end

% 定义神经网络层和训练选项
layers = layers_1;

% 用于测试的数据应该是归一化后的
XTest = XTrain(1, :); % 假设测试数据是第一个训练样本

% % 定义神经网络层和训练选项
options = trainingOptions('adam', ...
    'MaxEpochs', 300, ...
    'InitialLearnRate', 0.001, ...
    'Shuffle', 'every-epoch', ...
    'GradientThreshold', 1, ...
    'Verbose', false, ...
    'MiniBatchSize',64, ...
    'Plots', 'training-progress'...
    );

% 训练神经网络
net = trainnet(XTrain,TTrain,layers,"mse",options);

% 用于测试的数据应该是归一化后的
    % 预测，测试数据可以将训练数据分开，我这并未将其分开
    YTest = predict(net, XTest);
    % 反归一化预测结果
    YTestDenormalized(i,:) = YTest * (TMax - TMin) + TMin;
% 保存网络层到文件
save('networkLayers.mat', 'layers');