.mat 파일로 저장된 훈련 된 CNN을 가져와이 파일을 사용하여 Python에서 분류 알고리즘을 만들 수 있습니까?

짧은 대답은 가능하지만 Python 코드에서 네트워크의 일부 (최소한 예측을위한 부분)를 다시 만들어야하므로 번거롭지 않습니다. numpy 및 scipy 로만 작동 하거나 GPU를 활용하기 위해 PyTorch / TensorFlow 로 다시 만들 수도 있습니다 .

trainednet.mat당신은 아마 NN의 가중치를 저장 언급, 당신은, 원래 모델 (MATLAB의 하나), 즉 기준으로 NN의 구조를 다시 파이썬에서 행렬 계산을 수행해야합니다.

언급했듯이 먼저 .matby scipy를 로드합니다.

from scipy.io import loadmat

parameters = loadmat("trainednet.mat")

이제는 parameters구조가 네트워크에 크게 의존하는 Python 사전입니다. 다음 세부 정보는 CNN의 종류에 따라 다르지만 기본 워크 플로는 다음과 유사합니다.

def predict(img, parameters):
    # the kind of saved parameters
    # your trainednet.mat should have weights for something like
    # w1,w2,w3,w4... for weights of convolutional layers
    #                    weights of dense layers
    # b3,b4...       for any bias from layers

    # convolution operation
    z = convolution(..., img, w1) 
    # ReLU non-linearity
    z[z<=0] = 0 

    # convolution operation
    z = convolution(..., z, w2)
    # ReLU non-linearity
    z[z<=0] = 0 

    z = maxpool(z, ...).reshape(...) # maxpooling operation

    # dense layer with bias
    z = w3.dot(z) + b3 
    # ReLU non-linearity
    z[z<=0] = 0

    # second dense layer with bias
    z = w4.dot(z) + b4 

    # predict class probabilities
    probs = softmax(z) 
    return probs


from scipy.ndimage import imread
img = imread(FILENAME, mode="RGB")

predict(img, parameters)

매우 까다로운 컨볼 루션 연산을 제외하고 대부분의 부분은 구현하기 쉽습니다. 이 길을 가고 싶다면 NN 라이브러리를 사용하는 것이 더 나을 수 있습니다.

간단히 말해, 가능하지만 matlab 에서 python 으로 동일한 코드 (NN 아키텍처에서와 같은 코드)를 다시 구현하려면 많은 노력이 필요했습니다 . 이 가이드 를 Python으로 MATLAB 사전 훈련 된 네트워크 변환의 시작으로 참조 할 수 있습니다 .