L'utilisation de réseaux neuronaux convolutifs pour le Deep Learning est revenue populaire grâce à三个重要因素:

• Les réseaux neuronaux convolutifs rendent obsolète l'extraction manuelle de caractéristiques;Elles sont désormais提示指向réseau神经元卷积。
• 它的地址是résultats de reconnaissance extrêmement précis。
• 我可以向您提供être entraînés à de nouvelles tâches de reconnaissance，如果您可以向您提供réseaux préexistants。

Les réseaux neuronaux卷积了一个最优的结构，pour découvrir和appredre Les原则caractéristiques des images和des séries temporelles。Les réseaux neuronaux卷积发送一项技术不可抗力，在应用程序中未修改:

• En imagerie医学研究院: les réseaux neuronaux convolutifs peuvent examiner de rapports de pathology in détecter la présence ou non de cellules cancéreuses danans images。
• En traitement音频: la détection de mots-clés peut être utilisée sur n'import quel dispositif doté d'un microphone, de manière à détecter la pronunciation d'un mot ou 'une phrase spécifique(«Dis Siri»)。Les réseaux neuronaux convolutifs peuvent apprendre et détecter avec précision un mot-clé tout en ignorant toutes Les autres phrases, indépendamment de l'环境。
• Détection des panneaux站:管道自主s'appuie sur les réseaux neuronaux convolutifs pour détecter avec précision la présence d 'UN panneau ou out of the objet et ainsi predre décisions en function du résultat。
• Génération de données synthétiques:愿恩典辅助réseaux拮抗剂génératifs (GAN)在深度学习的应用中，有可能产生新的图像，而不是用于面部侦察和传导自主。

在知道+

一个réseau神经元的卷积我们可以把它放在沙发上，把它放在沙发上，把它放在学徒上，à détecter différentes caractéristiques把它放在沙发上。这张图片是appliqués à chaque image d'徒弟(à différentes résolutions)，这张图片是convolu金宝搏官方网站ée est utilisée comme entrée de la couche suivante。我们可以通过caractéristiques très简单的方法进行筛选，我们可以通过luminosité和等高线，我们可以通过complexité和caractéristiques进行筛选，我们可以通过définissent的manière唯一的对象。

学徒的caractéristiques，沙发和分类

À l'instar des autres réseaux neuronaux, UN réseau neuronal convolutif est composé d'une couche d'entrée, d'une couche de sortie et de nombreuses couches intermédiaires cachées。

我们可以在opérations中修改données，但是我们可以在caractéristiques spécifiques aux données中修改。三张睡椅加courantes，卷积睡椅，激活睡椅和汇聚睡椅。

• La微微前倾的德卷积贴花UN ensemble de filters convolutifs aux images d'entrée, chacun d'entre eux activant ceres caractéristique des images。
• La微微前倾的Unité Linéaire Rectifiée (ReLu)你可以通过以下方式获得收益:remplaçant数值négatives par des zéros数值为正数。Ce procédé est parfois appelé激活， car seules caractéristiques activées sont transà la couche suivante。
• La微微前倾的德池把行动简化成réalisant UN sous-échantillonnage non linéaire，如果我可以在réduire的数字中找到paramètres，我可以在réseau做徒手。

cesopérations sont répétées sur des dizaies ou des centaines de couches, chaque couche学徒à identifier différentes caractéristiques。

Pondérations et biais partagés

这样的宣传栅网神经元经典，UN réseau neuronal convolutif possède des neurones avec des pondérations et des biais。Le modèle在学徒过程中学习这些值，我们遇到了连续元素à jour à chaque nouvel d'学徒的例子。图特弗斯，在réseaux neuronaux convolutifs, les pondérations和我们的neurones cachés d'une couche donnée的偏差值。

Concrètement, cela表示神经元的集合cachés détectent la même caractéristique(例如，一个轮廓或一个团)在différentes régions图像中。Ainsi, le réseau devient tolérant à物体在图像中的平移。举个例子，一个réseau entraîné à reconnaître的图像是一个véhicule的测量值，它在图像中的位置是什么。

沙发de分类

套房à l' tissage des caractéristiques dans de nombreuses couches, l'architecture d'un réseau neuronal convolutif passe à la classification。

L'avant-dernière沙发，entièrement connectée, génère一个有K个维度的向量，où K是réseau能有prédire的类数。这个向量的大陆是probabilités的一个图像à的类。

dernière建筑学沙发réseau神经元卷积利用一个分类沙发为générer分类的尝试。

MATLAB^®用深度学习工具箱™你们可以Concevoir, d'entraîner和d déployer des réseaux neuronaux卷积。

MATLAB提出了一个很大的选择modèles préentraînés的问题communauté关于深度学习，你们可以使用它来学习和标识caractéristiques和données。Cette méthode, nommée徒弟转让，这是一个利用深度学习的人à partir de zéro。Des modèles come GoogLeNet, AlexNet et Inception ofrent un point de départ pour découvrir le Deep Learning, en tirant parti d’architectures éprouvées conçues par Des experts。

Concevoir et entraîner des réseaux

Avec深度网络设计师，您可以购买modèles préentraînés新产品modèles à partr de zéro。

你们可以également entraîner des réseaux在应用和监视的指导下学习tracés des métriques des précision，学习和验证。

使用modèles préentraînés pour l' tisage par transfer

一切都是关于réseau préentraîné的l 'apprentissage par过户这是一个méthode généralement的快速和简单的学徒à部分zéro。它在méthode qui nécessite la quantité de données和资源，计算，加上，失败。徒弟转让使用的是类似problème pour résoudre des problèmes。你们可以在réseau préentraîné开始上课，然后你们可以学习新的课程tâche。这是学徒的利益转移réside，但事实是，réseau préentraîné，一个déjà，它是一个庞大的集合caractéristiques。Ces caractéristiques peuvent être appliquées à une large gamme d’autres tâches similaires。举个例子，你可以用一个réseau entraîné对数百万图像进行分类，也可以用'entraîner à对图像进行新的分类。

Accélération硬件与GPU

Un réseau neuronal convolutif est entraîné sur des centaine, des milers, voire des millions d’images。您可以通过本站quantités de données和réseaux complex的架构，GPU peuvent accélérer considérablement le temps de tritement nécessaire pour entraîner un modèle。

在知道+