。
深度学习工具箱™には,アルゴリズム,事前学习済みのモデル,およびアプリを使用した深い(深层)ニューラルネットワークの设计と実装用のフレームワークが用意されています。畳み込みニューラルネットワーク(ConvNet,CNN)および长短期记忆(LSTM)ネットワークを使用して,イメージ,时系列,およびテキストデータの分类と回帰を実行できます。自动微分,カスタム学习ループ,重みの共有を使用して,敌対的生成ネットワーク(GAN)やシャムネットワークなどのネットワークアーキテクチャを构筑できます。ディープネットワークデザイナーアプリでは,ネットワークの设计,解析,学习を视覚的に実行できます。実験マネージャーアプリは,复数の深层学习実験の管理,学习パラメーターの追迹,结果の解析,および异なる実験のコードの比较に役立ちます。层ごとのアクティベーションの可视化や,学习の进行状况の视覚的な监视が可能です。
ONNX™形式を通じてTensorFlow™やPyTorchとモデルを交换したり,TensorFlow-Kerasや来自Caffeからモデルをインポートしたりできます。ツールボックスは,暗网-53,RESNET-50,NASNet,SqueezeNet,その他数多くの事前学习済みモデルを使用した転移学习をサポートしています。
GPUが1つ以上のワークステーションでの学习の高速化(并行计算工具箱™を使用)や,NVIDIA®GPU云的Amazon EC2®GPUインスタンスなどのクラスターやクラウドへのスケールアップ(马铃薯®并行服务器™を使用)も可能です。
この例では,ディープネットワークデザイナーを使用して事前学习済みのGoogLeNetネットワークを适応させ,新しいイメージコレクションを分类する方法を说明します。
AlexNetの事前学习済みネットワークを利用した,深层学习を使ったライブ网页カメラ上のオブジェクトの特定方法を学びます。
この例では,事前学习済みの深层畳み込みニューラルネットワークGoogLeNetを使用してイメージを分类する方法を说明します。
この例では,転移学习を使用して,事前学习済みの畳み込みニューラルネットワークであるSqueezeNetの再学习を行い,新しい一连のイメージを分类する方法を说明します。
この例では,深层学习による分类用のシンプルな畳み込みニューラルネットワークを作成し,学习を行う方法を说明します。
この例では,ディープネットワークデザイナーを使用して深层学习による分类用のシンプルな畳み込みニューラルネットワークを作成し,学习を行う方法を说明します。
この例では,ディープネットワークデザイナーを使用してシンプルな长短期记忆(LSTM)分类ネットワークを作成する方法を说明します。
アプリと关数を使用して,关数近似,パターン认识,クラスタリング,および时系列解析用の浅いニューラルネットワークを设计します。
ディープラーニング入门
この2时间の深层学习チュートリアルは无料であり,実际の深层学习の各种手法を対话形式で绍介します.MATLABの深层学习の手法を使用してイメージの认识を行う方法を学习します。
転移学习用の深层学习ネットワークの対话形式での変更
ディープネットワークデザイナーは,深层ニューラルネットワークを作成または変更するためのポイント/クリックツールです。このビデオでは,転送学习のワークフローでアプリを使用する方法を说明します。コマンドラインで层に変更を加える代わりにツールを使用して,インポートされたネットワークの最后の数层を简単に変更する方法を示します。ネットワークアナライザーを使用すると,変更后のアーキテクチャの结合とプロパティの割り当てに误りがないか确认できます。
MATLABを使用した深层学习:11行のMATLABコードによる深层学习の例
MATLAB,シンプルな网络カメラ,および “深层” ニューラルネットワークを使用して,身の回りの物を识别する方法を说明します。
MATLABを使用した深层学习:10行のMATLABコードによる転移学习の例
MATLABで転移 “学习” を使用して,専门家が作成した “深层学习” ネットワークを独自のデータまたはタスク用に再学习させる方法を学习します。