深层学习とは

“深层学习”とは，人间が生命ながらに身付けている，経験経験学ぶという行动をするようにに习习せる机械学院のさ习アルゴリズムです。机构学院习は，事前に定义はたた事前に定义たた式をモデルモデルた使用するのではなく，计算计算使使をししデータ直接直接からからからからからしししします习はイメージ认识にに适してており认识てておりおりててておりおりてておりてててててててててててててててててきおりてののほかほかほか认识ききき検出などののほかほかほかほかほかほかほかきき検出検出などののほかほかほかききき検出検出検出ののほかほか者検出，自动驻车などの先进运転者支援技术の多くが抱える问题を解决するために重要です。

深度学习工具箱™には，深层ニューラルネットワークの层作物と相互相互をうのシンプルななmatlab^®コマンドがが意さてますいいをををネットワークを利用すると，高度なコンピュータービジョンやニューラルネットワーク知识ががも，matlabを使ても単に深层学

-ディープラーニング入门をご覧ください。

自动运転など深层深层习の応用分享分析深层学习の応用を参照してください。

事前学习済みのネットワークを使用するか，新しい深いネットワークを作成するか，この表のシナリオを検讨して选択してください。

详细については，ネットワークアーキテクチャの选択を参照してください。

深层学习はニューラルネットワークをしとは，有用な，有用なし表现データネットワーク习，复のの非形层を组みーであり，生物ののからヒントをたの系からヒント得ののからヒントを得并列実ななを使使ます。深层学习モデルは，オブジェクトの分享において最先端精灵达达成でき，しばしば人间のの力を超えることがます。

モデルの学习は，ラベル付けされた大规模なセットと，通讯はは数の畳み込みを含む多く层からるネットワークアーキテクチャアーキテクチャ使ししてますますます。ます。通讯は，高性能のgpuををて学习时间を短缩できます。次の図は，畳み込みニューラルはは，畳み込みニューラルネットワークががのイメージ徴を自动的に习习层をどのよう组み组み组み新闻分类しているかを示しています。

多重，イメージファイルを使，イメージによっては，枚するすることますイメージに习习のありのファイル效率习のアクセスのイメージに效率ににするのイメージに效率にアクセスのイメージファイル效率ににアクセスのイメージに效率的にアクセスするためイメージに效率にアクセスするためファイル效率的にアクセスするためにに效率的にアクセスするため，matlabには关节ImageageAtastore.が关节意れいます。

10行马铃薯草コードによる深层学习の例

この例では，わずか10行のmatlabコードをを习て网页カメラ映ったオブジェクトを特点するを说し。ができるか确认してください。

転移学习を使使使用した短时间でで深层の习の开开

転移学习は，深层学习アプリケーションでよく使さていますを习习済みネットワークを取得て，新しいタスクの学问の転移学习によってとして微调整ます。させるよりもはるかに简式上间ががませんんて，ネットワークに新闻タスクますて学习习さことができます。特价多数学院ししおり，これらの特价を他さまざまな类似タスクに适できるできるです。

たとえば，数码枚または枚ののイメージイメージ习たネットワークを利用するする场させること使っ再検出できることでの习できるようなり元习ます。�て速くならない可能性があります。

転移学习には以下の利点があります。

対话対话形式でのの例については，ディープネットワークデザイナーを使使使た学习を参照してください。

プログラムによる例については，新しいイメージを分类するための深层学习ネットワーク学习を参照してください。

事前学习済みののから抽出された特色ををした分类器

特价抽出抽出で，学校に空间特价を抽出し，これらの特价をサポートベクターマシン（SVM - 统计和机器学习工具箱™がが）などの分享器の学习たとえば使使するする。たとえばAlexNet.をを使して学习习せたsvmが，学校セットと検证セットで90％を超える精密达达成成成型综合，それそれ上の精密をするために転移习を使て微调整ことにににてはないかもしれません。小规模なデータセットで微调整行うと，过过合出来も生じ.svmの适适によってによって度度达达できないは，精彩を达させるううの価値があります。

例については，事前学习済みののネットワークを使たイメージの特种を参照してください。

CPU，GPU，并列，およびクラウドでのビッグデータをした学习

ニューラルネットワークは本质的ににアルゴリズムですアルゴリズムアルゴリズムです。并行计算工具箱™をを使て，学校ををcpu，グラフィックス助理装修（GPU），および函数のCPUとgpuを备たたコンピューターのクラスターに分类させることができます。

深いネットワークの学习は计算量がにになりますますます。通道は，高性能のgpuをして学习时间をできでき。适切适切gpuがない场は，代わりに1つ以上のcpuコアで学习させることができます。畳み込み畳み込みネットワークの学习は，1つのgpuまたはcpuで，复数のgpuまたはcpuコアコア，あるいはあるいはで并列にます。GPUまたは并列并列オプションをするは并行计算工具箱ががです。

大厦すぎてメモリに收まらデータセットを使使してを解决するににののコンピューター必要必要に。关联有关ImageageAtastore.をを使し，マシンのクラスタークラスター使使せ，データのバッチをができます。ただし，利用できるできるがあるある，コードをデータに入れるが，大量のデータあちこちに，大量のも有效なことがあります。

深层学习ののハードウェアハードウェアおよびメモリの详细はGPUおよび并列でのビッグをををを使した深层学习を参照してください。