开始深度学习工具箱
教程
- 在10行MATLAB代码中尝试深度学习
学习如何使用深度学习通过AlexNet预先训练的网络在实时网络摄像头上识别物体。
- 使用GoogLeNet对图像进行分类
这个例子展示了如何使用预先训练好的深度卷积神经网络GoogLeNet对图像进行分类。
- 使用深度学习对网络摄像头图像进行分类
这个例子展示了如何使用预先训练好的深度卷积神经网络GoogLeNet对来自网络摄像头的图像进行实时分类。
- 开始迁移学习
这个例子展示了如何使用迁移学习重新训练AlexNet(一个预训练的卷积神经网络)来分类一组新的图像。
- 基于深度网络设计器的迁移学习
交互式地微调预训练的深度学习网络,以学习新的图像分类任务。
- 创建简单的深度学习网络分类
这个例子展示了如何创建和训练一个简单的卷积神经网络进行深度学习分类。
- 使用深度学习的序列分类
这个例子展示了如何使用长短期记忆(LSTM)网络对序列数据进行分类。
深层网络
- MATLAB中的深度学习
在MATLAB中发现深度学习功能®使用卷积神经网络进行分类和回归,包括预训练网络和迁移学习,以及在gpu、cpu、集群和云上进行训练。
- 预训练卷积神经网络
学习如何下载和使用预训练的卷积神经网络进行分类,迁移学习和特征提取。
- 了解卷积神经网络
卷积神经网络的介绍以及它们如何在MATLAB中工作。
肤浅的网络
- 模式识别、聚类和时间序列的浅网络
使用应用程序和函数设计用于函数拟合、模式识别、聚类和时间序列分析的浅神经网络。
- 深度学习工具箱参考书目
请参考有关神经网络的其他信息来源。
- 浅网络深度学习工具箱样本数据集
在使用工具箱进行试验时要使用的示例数据集列表。
- 术语表