matlab中NumRegions,Matlab 深度学习工具箱™入门指南(2)

创建简单序列分类网络

本示例说明了如何创建简单的长期短期记忆(LSTM)分类网络。

要训​​练深度神经网络对序列数据进行分类，可以使用LSTM网络。 LSTM网络是一种递归神经网络(RNN)，用于学习序列数据的时间步长之间的长期依赖关系。

该示例演示如何：•加载序列数据。

•定义网络体系结构。

•指定训练选项。

•训练网络。

•预测新数据的标签并计算分类准确性。

1)导入数据

如[1]和[2]中所述加载日语元音数据集。 预测变量是一个单元阵列，其中包含长度可变的特征维为12的序列。标签是标签1,2，...，9的分类向量。

[XTrain,YTrain] = japaneseVowelsTrainData; [XValidation,YValidation] = japaneseVowelsTestData;

查看前几个训练序列的大小。 序列是具有12行(每个要素一行)和不同列数(每个时间步长一列)的矩阵。

XTrain(1:5)

定义网络架构

定义LSTM网络体系结构。 指定输入层中要素的数量，以及完全连接层中的类的数量。

numFeatures = 12;

numHiddenUnits = 100; numClasses = 9;

layers = [ ...

sequenceInputLayer(numFeatures) lstmLayer(numHiddenUnits,'OutputMode','last') fullyConnectedLayer(numClasses) softmaxLayer classificationLayer];

3)训练网络

指定训练选项并训练网络。

由于小批量生产的序列短，因此CPU更适合训练。 将“ ExecutionEnvironment”设置为“ cpu”。 要在GPU上进行训练(如果有)，请将'ExecutionEnvironment'设置为'auto'(默认值)。

miniBatchSize = 27;

options = trainingOptions('adam', ...

'ExecutionEnvironment','cpu', ...

'MaxEpochs',100, ...

'MiniBatchSize',miniBatchSize, ...

'ValidationData',{XValidation,YValidation}, ...

'GradientThreshold',2, ...

'Shuffle','every-epoch', ...

'Verbose',false, ...

'Plots','training-progress');

net = trainNetwork(XTrain,YTrain,layers,options);

image.png

有关指定训练选项的更多信息，请参见“设置参数和训练卷积神经网络”。

测试网络

对测试数据进行分类并计算分类精度。 指定用于训练的相同小批量大小。

YPred = classify(net,XValidation,'MiniBatchSize',miniBatchSize);

acc = mean(YPred == YValidation)

acc=0.9351

对于下一步，您可以尝试使用双向LSTM(BiLSTM)层或创建更深的网络来提高准确性。 有关更多信息，请参见“长短期存储网络”。

有关显示如何使用卷积网络对序列数据进行分类的示例，请参见“使用深度学习的语音命令识别”。

References

1 M. Kudo, J. Toyama, and M. Shimbo. "Multidimensional Curve Classification Using Passing-Through Regions." Pattern Recognition Letters. Vol. 20, No. 11–13, pages 1103–1111.

2 UCI Machine Learning Repository: Japanese Vowels Dataset. https://archive.ics.uci.edu/ml/datasets/Japanese+Vowels

See Also

lstmLayer | trainNetwork | trainingOptions

More About

• “Long Short-Term Memory Networks”

• “Try Deep Learning in 10 Lines of MATLAB Code” on page 1-12

• “Classify Image Using Pretrained Network” on page 1-15

• “Get Started with Transfer Learning” on page 1-18

• “Transfer Learning with Deep Network Designer”

• “Create Simple Image Classification Network” on page 1-22