在Matlab中导入在tensorflow中训练好的模型进行预测

目前博主正在做毕业设计，使用tensorflow2.0进行。由于需要将训练好的模型交给另外一个使用Matlab的同学进行使用，所以查了一些资料，在这里记录下来。其实Matlab官网早就有完整详细的教程，奈何人类的本质就是复读机，所以在这里再次进行讲解。先说一下我的环境：python3.7 tensorflow2.0-gpu matlab 2019a 

第一步，获得训练好的模型

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

第三步，导入模型

第四步，使用模型

注意事项

附录

说明

#define 保护 {wang shang xue ke}   

---

第一步，获得训练好的模型

首先你得有一个已经训练好了的模型，并且保存成 .h5 格式。例如下图这个：

该模型文件可在tensorflow中执行以下代码得到：

model.save('MyMode_03.h5')

到此，模型就准备好了。

 

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

此时假设你的电脑还没有安装这个支持包，在matlab命令行中输入：

importKerasNetwork

matlab会报错，并且在报错信息的最后给出下载链接：

我们点击这个链接，经过漫长的等待（如果能够 保护，会快一点），就会进入下载界面（注意，如果你之前没有登录过matlab，这里需要用账号密码进行登录，如果没有账号就去注册一个，不用担心破解版的问题，都可以下载）：

 

然后点击安装，等待即可（注意，这一步我 保护 之后才完成，之前一直网络错误）

 

如果有人无法 保护 ，我会在文章后面给出这个支持包的网盘链接，你们可以试着按照readme的教程自己离线安装，但是我之前离线安装的时候遇到了错误，提示matlab版本之类的问题，祝你好运！

 

安装完之后，打开matlab，重复之前的指令，提示：

说明安装成功！

 

第三步，导入模型

在matlab中执行(将'''MyMode_03.h5")替换为自己的模型）

net = importKerasNetwork('MyMode_03.h5');  %导入自己的模型
net.Layers                                 %显示模型的结构

这是我的模型的网络结构。

 

第四步，使用模型

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

可以使用predict()函数来进行预测。其实还有更多的使用方法，我就不展开了，感兴趣的话可以在后面的matlab参考页查看，我会在后面给出。

 

注意事项

• 一定要会 保护 ，这年头不会 保护 ，那可就太难了。至于如何 保护 ，可以自行百度。
• matlab的支持包并不是tensorflow的所有层都支持的，有一个支持列表，如下：

  

更多的支持信息，可以在后面的链接查看。

 

附录

matlab对应参考页pdf版本 ：

参考页

Deep Learning Toolbox Importer for TensorFlow-Keras Models支持包离线版本：

支持包