Matlab - 如何保存matlab神经网络的视图配置

时间:2013-02-17 08:03:39

标签: neural-network matlab matlab-figure

我正在尝试使用matlab和newff命令配置神经网络。

之后,我尝试使用view命令可视化我创建的配置。

x = view(net);

如何将显示的窗口保存到.png文件?我试过saveas(x, 'figure.png', 'png')但它不起作用?你知道我怎么能从代码中做到这一点吗?

3 个答案:

答案 0 :(得分:7)

创建的窗口是纯Java图(不是MATLAB Handle Graphics)。试试这个来抓住它:

%# neural net, and view it
net = feedforwardnet(5);
jframe = view(net);

%# create it in a MATLAB figure
hFig = figure('Menubar','none', 'Position',[100 100 565 166]);
jpanel = get(jframe,'ContentPane');
[~,h] = javacomponent(jpanel);
set(h, 'units','normalized', 'position',[0 0 1 1])

%# close java window
jframe.setVisible(false);
jframe.dispose();

%# print to file
set(hFig, 'PaperPositionMode', 'auto')
saveas(hFig, 'out.png')

%# close figure
close(hFig)

答案 1 :(得分:0)

我也有同样的问题,特别是当我尝试保存神经网络工具箱(nntraintool)生成的图。我使用剪切工具来捕获这些图。但是,请尝试使用以下内容:

识别拍摄所需的gfx对象(其手柄)。它将来自可识别的属性。然后您可以使用print选项将其保存到文件中;你需要写文件名,类型;请访问此链接以获取更多信息(http://www.mathworks.com/help/matlab/ref/print.html)。

例如,如果您想使用标记'performance.fig'保存图形,您可以尝试:

h = findobj('Type', 'figure', 'tag', 'performance.fig');

    for k = 1:numel(h)

    print(h(k), sprintf('Pic%d.ps',k));

    end;

如果有帮助请告诉我,您必须根据需要修改代码。我也在这个stackoverflow论坛中得到了另一个人的帮助。

答案 2 :(得分:0)

我正在试图获取nntraintool框的结果并创建网络配置数据,从而生成训练快照,以及性能,训练状态和回归图。

看到消化后,7。 statck溢出我设计了下面的代码来解决这些问题。我会为我的节目风格道歉,并期望为解决这些问题做出贡献。

%***************************************************************************
% TrainingToolDisplays
%***************************************************************************

function [] = TrainingToolDisplays(net,P,T) 

%***************************************************************************
% After configuring the net, do a silent net training
%***************************************************************************

net.trainParam.showWindow = 0;
net = train(net,P,T);

%***************************************************************************
% Create a figure for the net configuration
%***************************************************************************

jConfig = view(net);
hConfig = figure('Name','Neural Network Configuration', ...
                 'NumberTitle','off', ...  
                 'Menubar','none', ...
                 'Position',[100 100 600 200], ...
                 'PaperPositionMode', 'auto', ...
                 'Visible','on');

jPanel = get(jConfig,'ContentPane');
[~,h] = javacomponent(jPanel);
set(h, 'units','normalized', 'position',[0 0 1 1])
jConfig.setVisible(false)
jConfig.dispose

%***************************************************************************
% Create a figure for the nntraintool training snap shot
%***************************************************************************

jTrainTool = nntraintool('handle');
hTrainTool = figure('Name','Neural Network Training', ...    
                    'NumberTitle','off', ...  
                    'Menubar','none', ...
                    'Position',[100 100 600 600], ...
                    'PaperPositionMode', 'auto', ...
                    'Visible','on');

jPanel = get(jTrainTool,'ContentPane');
[~,h] = javacomponent(jPanel);
set(h, 'units','normalized', 'position',[0 0 1 1])
jTrainTool.setVisible(false)
jTrainTool.dispose

%***************************************************************************
% Plot the plots you want and get the handles 
%***************************************************************************

nntraintool('plot', 'plotperform');    hPerform = gcf;
nntraintool('plot', 'plottrainstate'); hTrainState = gcf;
nntraintool('plot', 'plotregression'); hRegression = gcf;

%***************************************************************************
% Now you may do whatever you may want with those matlab handles
% hConfig, hTrainTool, hPerform, hTrainState and bRegression
%***************************************************************************

return
%*******************************************************************************