使用DeepLearnToolbox预测单张图像的标签

我正在使用DeepLearnToolbox来进行CNN(卷积神经网络)的操作。

我已经成功地计算了我的网络,并且已经看到了我的准确率,但我的问题是:

如何将单张图像输入到网络中以获得预测的标签?

我希望得到的最终结果是一个预测的标签,可能还包括每个未预测标签的错误率。

谢谢你。


这是我用来测试准确率的代码:

function [er, bad] = cnntest(net, x, y) % net = 网络, x = test_x (图像), y = test_y (标签)    %  前向传播    net = cnnff(net, x);    [~, h] = max(net.o);    [~, a] = max(y);    bad = find(h ~= a);    er = numel(bad) / size(y, 2);end

回答:

这两行代码

net = cnnff(net, x);[~, h] = max(net.o);

将图像x输入到网络中,然后计算输出激活值最大的索引h。你可以对任意输入图像x执行相同的操作,它将为你提供类别h

Related Posts

L1-L2正则化的不同系数

我想对网络的权重同时应用L1和L2正则化。然而,我找不…

使用scikit-learn的无监督方法将列表分类成不同组别,有没有办法?

我有一系列实例,每个实例都有一份列表,代表它所遵循的不…

f1_score metric in lightgbm

我想使用自定义指标f1_score来训练一个lgb模型…

通过相关系数矩阵进行特征选择

我在测试不同的算法时,如逻辑回归、高斯朴素贝叶斯、随机…

可以将机器学习库用于流式输入和输出吗?

已关闭。此问题需要更加聚焦。目前不接受回答。 想要改进…

在TensorFlow中,queue.dequeue_up_to()方法的用途是什么?

我对这个方法感到非常困惑,特别是当我发现这个令人费解的…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注