预先训练的深度学习模型
利用深入学习研究界开发的模型架构。热门型号提供强大的架构，并跳过从头开始的需要。
选择模型的提示
有许多预先训练过的模型可供选择，每个模型都有权衡:
- 尺寸:这个型号需要多少内存
模型的最终位置将决定需要考虑多少网络规模。
当选择部署到低内存系统时，请选择专门为该任务设计的模型。
请参阅Edge部署的模型 - 准确性:模型在再培训前的表现如何
通常，一个模型在ImageNet数据集上表现良好，表明该模型已经学习了信息特性，并且在新的类似任务中也能表现良好。
探索更高精度的模型 - 预测速度：模型如何预测新图像可以快
虽然预测速度会根据硬件和批处理大小等许多因素而变化，但速度也会根据所选模型的体系结构和模型的大小而变化。
将预测速度与简单模型开始。
在以下部分中探讨模型之间的权衡。
要将任何模型导入MATLAB，结构是：
>> net = networkname
即。
>> net = alexnet >> net = resnet50
如果模型尚未下载，将提供一个在MATLAB中下载模型的链接。
您可以快速迭代这些模型，并尝试不同的设置，例如数据预处理步骤和培训选项。一旦您有良好的设置，尝试更准确的网络以查看它是否可以提高结果。
来自其他框架的模型
寻找其他框架的模型？使用ONNX，Tensorflow-Keras和Caffe进口商将任何网络导入Matlab。
探索例子:
获得免费试用
在你的指尖探索30天。
探索深度学习工具箱
有问题吗?
与深度学习专家交谈。
