深度学习工具箱™为设计和实现具有算法,预磨料模型和应用的深度神经网络提供框架。您可以使用卷积神经网络(CoundNet,CNN)和长短期内存(LSTM)网络在图像,时序和文本数据上执行分类和回归。您可以使用自动分化,自定义训练循环和共享权重构建网络架构,例如生成的对抗网络(GANS)和暹罗网络。使用深度网络设计器应用程序,您可以以图形方式设计,分析和培训网络。实验管理器应用程序可帮助您管理多个深度学习实验,跟踪培训参数,分析结果和与不同实验的代码进行比较。您可以可视化图层激活和图形监控培训进度。
您可以通过Tennx™格式和Pytorch与TennoRflow-Keras和Caffe的进口型号交换模型。Toolbox支持使用D金宝apparknet-53,Resnet-50,NASNet,Screezenet等传输学习佩带的模型。
您可以在单个或多个GPU工作站上加快培训(并行计算工具箱™),或扩展到集群和云,包括NVIDIA® GPU Cloud and Amazon EC2® GPU instances (with马铃薯®并行服务器™)。
此示例显示了如何微调预磨损的Googlenet网络以对新的图像集进行分类。
了解如何使用深度学习与AlexNet净化网络一起识别实时网络摄像头的对象。
此示例显示如何使用佩带的深卷积神经网络Googlenet对图像进行分类。
此示例显示了如何使用转移学习来重新撤销普雷克雷斯Zenet,普里雷卷积神经网络,分类一组新的图像。
此示例显示如何为深度学习分类创建和培训一个简单的卷积神经网络。
此示例显示如何使用深网络设计器创建简单的长短期内存(LSTM)分类网络。
使用应用程序和功能设计浅层神经网络的功能拟合,模式识别,聚类和时间序列分析。
深度学习ondramp.
这个免费的,两小时的深度学习教程提供了对实用深度学习方法的交互式介绍。您将学习在MATLAB中使用深度学习技术进行图像识别。
交互式修改深度学习网络进行转移学习
深度网络设计器是一种用于创建或修改深神经网络的点击工具。此视频显示如何在传输学习工作流中使用该应用程序。它展示了您可以使用该工具在导入的网络中修改最后几个图层的轻松,而不是修改命令行中的图层。您可以使用网络分析器检查修改后的架构是否有关连接和属性分配中的错误。
与MATLAB的深度学习:11行MATLAB代码中的深度学习
请参阅如何使用MATLAB,简单的网络摄像头和深度神经网络来识别周围环境中的对象。
与MATLAB深度学习:在10行MATLAB代码中转移学习
了解如何在MATLAB中使用转移学习,以重新列车由专家为您自己的数据或任务创建的深度学习网络。