在matlab上使用自己的数据进行迁移学习

最新推荐文章于 2024-11-17 17:57:16 发布

楚大叔

最新推荐文章于 2024-11-17 17:57:16 发布

阅读量1.1w

点赞数 14

CC 4.0 BY-SA版权

文章标签： matlab deeplearning

本文链接：https://blog.youkuaiyun.com/weixin_38538305/article/details/84730078

本文详细介绍如何使用预训练的AlexNet进行迁移学习，包括模型导入、结构调整、数据集准备、训练参数设定及结果验证，适合初学者快速上手。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、大致过程有以下几个步骤

1-导入预先训练好的网络(我使用的是alexnet)

2-配置最后三层

3-利用新数据训练网络

4-检验结果

二、详细过程如下：

1-导入模型

net = alexnet;

注：如果出现如下问题，直接点击 Add-On Explorer 把模型安装好就行

2-修改模型

注：fullyConnectedLayer(5,......）此处数字5代表我新的训练集分类有5个，按照自己的情况修改

layers = net.Layers(1:end-3);
new_layers = [layers
              fullyConnectedLayer(5,'WeightLearnRateFactor',20,'BiasLearnRateFactor',20)
              softmaxLayer
              classificationLayer
              ];

3-导入数据

%如果没有合适的数据集可以使用matlab官方提供的数据集

unzip('MerchData.zip'); %运行这句话后你的工作路径下会多出一个文件夹，里面就是数据集

image = imageDatastore('MerchData','IncludeSubfolders',true,'LabelSource','foldernames');
[imageTrain,imageTest] = splitEachLabel(image,0.7,'randomized'); 
 %将数据集%70划为训练集，其余为测试集

4-配置训练参数

ops = trainingOptions('sgdm', ...
                      'InitialLearnRate',0.0001, ...
                      'ValidationData',imageTest, ...
                      'Plots','training-progress', ...
                      'MiniBatchSize',5, ...
                      'MaxEpochs',10,...
                      'ValidationPatience',Inf,...
                      'Verbose',false);

%'MaxEpochs' 即训练次数，我设的较小，根据需要调整

5-开始训练

%开始训练
tic
net_train = trainNetwork(imageTrain,new_layers,ops);
toc

出现如下界面

6-测试新的图片，验证网络

image_val = imresize(imread('cap3.jpg'),[227,227]);
[label,conf] = classify(net_train,image_val);
imshow(image_val);title(sprintf('%s %.2f',char(label),max(conf)));

因为我的训练集很小，所以效果不会很好，但是结果也还是正确的