MATLAB使用TensorFlow-Python训练好的网络进行预测

第一步：准备数据

clc;
clear;
warning off;

samples=[];
labels=[];
for i=3:3
    load(strcat('/Users/thrive/Library/Mobile Documents/com~apple~CloudDocs/发文章/code/dataset/classify/eeg',num2str(i),'.mat'))
    samples=cat(3,samples,eeg.tasksamples);
    labels=cat(1,labels,eeg.tasklabels);
end

x=zeros(size(samples,1),size(samples,2),1,size(samples,3));
x(:,:,1,:)=samples;%MATLAB里边需要增加一维，看一下网络结构就知道了
y=labels(:,2);%n*1

第二步：导入网络并预测数据

classname={'task1','task2'};
net=importKerasNetwork('net/tf/tfmlp.h5','Classes',classname);%使用这个函数需要安装一个工具，根据提示来即可
net.Layers%查看网络结构
pre=classify(net,x);

最后看一下混淆矩阵

fpre=zeros(size(y));
pree=find(pre=='task1');
fpre(pree)=1;
plotconfusion(transpose(y),transpose(fpre),'
标签：eeg,Python,labels,MATLAB,samples,TensorFlow,net,fpre,size	

来源： https://blog.csdn.net/qq_37813206/article/details/115322989