在Matlab中導入在tensorflow中訓練好的模型進行預測

目前博主正在做畢業設計，使用tensorflow2.0進行。由於需要將訓練好的模型交給另外一個使用Matlab的同學進行使用，所以查了一些資料，在這裏記錄下來。其實Matlab官網早就有完整詳細的教程，奈何人類的本質就是復讀機，所以在這裏再次進行講解。先說一下我的環境：python3.7 tensorflow2.0-gpu matlab 2019a 

第一步，獲得訓練好的模型

第二步，下載Matlab的 Deep Learning Toolbox Importer for TensorFlow-Keras Models支持包

第三步，導入模型

第四步，使用模型

注意事項

附錄

說明

#define 保護 {wang shang xue ke}   

---

第一步，獲得訓練好的模型

首先你得有一個已經訓練好了的模型，並且保存成 .h5 格式。例如下圖這個：

該模型文件可在tensorflow中執行以下代碼得到：

model.save('MyMode_03.h5')

到此，模型就準備好了。

 

第二步，下載Matlab的 Deep Learning Toolbox Importer for TensorFlow-Keras Models支持包

此時假設你的電腦還沒有安裝這個支持包，在matlab命令行中輸入：

importKerasNetwork

matlab會報錯，並且在報錯信息的最後給出下載鏈接：

我們點擊這個鏈接，經過漫長的等待（如果能夠 保護，會快一點），就會進入下載界面（注意，如果你之前沒有登錄過matlab，這裏需要用賬號密碼進行登錄，如果沒有賬號就去註冊一個，不用擔心破解版的問題，都可以下載）：

 

然後點擊安裝，等待即可（注意，這一步我 保護 之後才完成，之前一直網絡錯誤）

 

如果有人無法 保護 ，我會在文章後面給出這個支持包的網盤鏈接，你們可以試着按照readme的教程自己離線安裝，但是我之前離線安裝的時候遇到了錯誤，提示matlab版本之類的問題，祝你好運！

 

安裝完之後，打開matlab，重複之前的指令，提示：

說明安裝成功！

 

第三步，導入模型

在matlab中執行(將'''MyMode_03.h5")替換爲自己的模型）

net = importKerasNetwork('MyMode_03.h5');  %導入自己的模型
net.Layers                                 %顯示模型的結構

這是我的模型的網絡結構。

 

第四步，使用模型

x = ones(7,1000);
y=net.predict(x);
plot(y)

可以使用predict()函數來進行預測。其實還有更多的使用方法，我就不展開了，感興趣的話可以在後面的matlab參考頁查看，我會在後面給出。

 

注意事項

• 一定要會 保護 ，這年頭不會 保護 ，那可就太難了。至於如何 保護 ，可以自行百度。
• matlab的支持包並不是tensorflow的所有層都支持的，有一個支持列表，如下：

更多的支持信息，可以在後面的鏈接查看。

 

附錄

matlab對應參考頁pdf版本 ：

參考頁

Deep Learning Toolbox Importer for TensorFlow-Keras Models支持包離線版本：

支持包