このページ最新ではありませ。をクリックし,英语のの最新版版を参照参照し。
“深层”,人间ながら身に付けている,経験からいういう行动行动ををするするするようようににに学习学习ささせるせる机械学习学习の一一分野分野分野分野。机械机械机械机械アルゴリズムアルゴリズムアルゴリズムはははははのではなく计算使用して情报直接直接直接直接直接直接直接直接直接しし。深层学习ははイメージイメージ认识に特に适し适してており颜颜认识认识动き动き者検出驻车など先进支援技术多くが问题を解决するするためにに。。。
深度学习工具箱™に,深ニューラルネットワーク层の作成と相互结合を行う行うのシンプルシンプルなな®コマンド用意ています例例学习学习済み済みの利用利用するとと,,,,高度高度高度コンピューターコンピューターコンピューターコンピュータービジョンビジョンビジョンアルゴリズムアルゴリズムアルゴリズムアルゴリズムややややニューラルニューラルニューラルニューラルネットワークネットワークネットワークネットワークののの知识知识知识知识知识がが
実际の学习各手法を无料お试しいただくには,ディープラーニング入门をご覧ください。
何をますか? | 详细 |
---|---|
転移学习してを自分のでするするする |
ヒント 通常,をするように事前のネットワーク微调整するする方がが,,新しい新しいネットワークネットワーク学习学习せるせるせるよりよりよりももも |
事前学习のネットワークイメージを分类する | 事前学习の深层ニューラルネットワーク |
分类または用新しい深层ネットワークを作成する | |
学习またはにイメージサイズ変更,,前前をを行う | イメージの学习向け前处理 |
フォルダーをにで,アプリをして的にイメージデータにに付ける付ける付ける | イメージラベラー(计算机视觉工具箱) |
シーケンスおよび系列用の学习ネットワークを作成する | |
イメージ(道路,,者など)ののを分类する | 深层学习使用した入门入门(计算机视觉工具箱) |
イメージ内オブジェクトをして认识する | 认识,検出,およびセグメンテーションセグメンテーション(计算机视觉工具箱) |
テキストデータをする | 深层学习使用しテキストデータの分类 |
音声认识ためにデータを分类する | 深层学习使用した认识认识 |
ネットワークがしたを可视化する | |
cpu,gpu,ののによるによるまたはのクラスター并列学习,,大きてメモリメモリに收まら收まら收まら处理 | gpuおよびでのデータをした学习学习 |
自动运転の学习の分野の详细は,深层学习の応用を参照しください。
事前学习ネットワーク使用する,深いをするかか,この表ののシナリオをを検讨してて选択选択
転移学习事前学习のネットワークを使用 | 新しい深いネットワーク作成 | |
---|---|---|
学习データ | ラベル付けれ数百枚から() | ラベル付けた数千から数百枚イメージイメージイメージ |
计算 | 计算量中(GPUはオプション) | 计算量多い(速度のににに必须) |
学习时间 | 数秒から分 | 実际ので数から数周间 |
モデルの精度 | 良い(事前事前済みモデルによる) | 高い(ただし,规模なセットには适合する场合あるある) |
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ください。
学习はをしてて有用な特徴表现データ直接学习学习しますますますます。。ニューラルネットワークネットワーク,,复数复数のの处理处理层を组み合わせ组み合わせであり,,生物な要素し。深层モデルモデルのにおいて最最先端の精度精度を达成でき,しばしばしばしば人间人间ののの能力
モデル学习,付けさた大规模なデータセット通常通常はは复数复数ののの畳み込み畳み込み层を含む含む多く多くのの层层からから成る成るニューラルニューラルネットワークネットワークアーキテクチャアーキテクチャアーキテクチャアーキテクチャを使用て行い行い行い行います。,性能のののを使用し学习时间短缩できできますます。。次次次のはは,,畳み込み畳み込みニューラルネットワークネットワークネットワークが多くののイメージイメージイメージからからからををを的分类しいるを示してい。。
多く深层は,イメージを使用します。。场合,,数百数百数百万万万枚枚枚枚枚枚のののファイルををを使用使用使用するすることことことこともももありますますます。。。。深层深层深层学习学习には关数成像
が用意てい。この关数使用て,以下が行えます。
イメージをで的に読み取り,学习コンピュータービジョンアプリケーションのを高速化
大きすぎメモリ收まらないコレクションからデータをインポート
フォルダー名基づい自动的イメージにラベル付け
10行10行わずか行行行行コードコードししてライブライブライブライブライブライブライブライブライブライブライブライブカメラカメラカメラカメラカメラカメラカメラカメラに映ったオブジェクトオブジェクトををを特定特定特定するするする方法方法ををを说明说明说明说明しししますますこの。このこの例をができる确认して。。
次の実行し(ダウンロードダウンロードありありありありありありありありありカメラカメラカメラにし事前学习済み済みのニューラルネットワークネットワークをを。。
相机=网络摄像头;%连接到相机net = alexnet;%加载神经网络
摄像头
およびAlexnet
アドオンを必要ある场合は,からのに表示表示されるれるリンクリンクからから,,エクスプローラーエクスプローラー使用使用使用しししててて深度学习工具箱模型对于Alexnet网络およびMATLAB金宝appUSB网络摄像头的支持包を参照しください。
深度学习工具箱模型对于Alexnet网络をする,を使用使用てイメージをできできできますますます。。。。はははははははははは100万,はははははははははははははははは万万万万万万万を超える超える超える超えるイメージイメージイメージででででで学习学习学习学习学习しししししししししててててててている,マウスカップ,笔,多くなどなどなどなどににできでき。
のコードしライブイメージイメージををして。。。ますますますカメラカメラカメラカメラカメラをあるあるあるオブジェクト,,,,,,,,,,,,カメラカメラカメラカメラカメラカメラカメラにさされれれてているいるいるののののニューラルは,Ctrl+Cキーを続行さます。こので,,,精加工
(图像处理工具箱)を使用,この用にイメージリサイズててますます。
尽管true im =快照(相机);%拍照图像(IM);%显示图片IM = Imresize(IM,[227 227]);%调整Alexnet的图片大小label =分类(net,im);%对图片进行分类标题(char(label));%显示类标签绘制结尾
この例,はマグカップを分类てます。身のの回り回りののオブジェクトで実験してて,,このこのこのネットワークネットワーク
この例ビデオを见る,,在11行MATLAB代码中进行深度学习を参照しください。
この例しての确率スコア表示方法方法はは,深层学习使用たたたカメラカメライメージの分类分类を参照しください。
深层ののとしてこの事前学习済みのネットワークののタスクタスクにに使用使用使用できできます。転移転移学习学习またはまたは特徴特徴抽出抽出をを使用使用ししてててて,自分イメージデータデータデータデータについては,転移学习した时间での学习开始开始开始と事前学习ネットワーク抽出された使用した分类器学习を参照ください。の事前学习のを试してみるには,事前学习の深层ニューラルネットワークを参照しください。
転移は深层アプリケーションで使用されています学习学习済み済みののネットワークネットワークネットワークをを取得してて,,新しい新しいタスクタスクのの学习学习のの开始开始点点点点として使用ます。。。。さよりに简単で时间かかりません。少ない数学习イメージイメージをを使用使用使用しして,,ネットワークにに新しい新しいタスクタスクを高速高速に学习学习さささせるますますますます特徴をして,の特徴他のな类似タスクにに适用できるできる。。。
,数または百百枚のイメージ学习学习しをを利用利用するする场合场合场合,,わずかわずか百百枚枚ののイメージイメージを使っ使ってて再再再再学习学习学习学习でで,,,,,とて小规模なデータを使用して,事前済みののネットワークネットワークををを效果效果的にに微调整调整できできますます。データデータセットがが非常非常非常に规模规模规模规模て速くない可能があります。
転移学习はの利点があり。。
事前学习のの済みの特徴新しい问题に転移
転移学习ネットワークにさせるより简単时间时间かからかからない
学习时间データセットの削减削减
新しいネットワークから作成方法を知るなし深层深层をを実行
対话形式の例について,,ディープネットワークを使用し学习学习を参照しください。
プログラムによる例は,新しいイメージ分类ための学习ネットワークの学习を参照しください。
特徴で,に时间手间をかけずに事前ののネットワークネットワークのの能力能力能力をを活用できますます。。特徴特徴抽出抽出はは,,最も最も早く早く深层深层深层深层学习をできる方法方法方法方法特徴をしこれらの特徴(SVM - 统计和机器学习工具箱™が)などなど器の学习に使用するするすることができことができAlexnet
Svm svmがががが,,学习セットとで90%ををををを超える超える精度を达成できる场合场合,,それそれ以上の精度精度を実现実现するするするに学习学习学习学习学习学习学习学习はない。なデータで微调整微调整行うと,过リスクも生じますますます。。。。。。。ののののの适用によって十分十分十分精度をを达成価値があり。
例については,事前学习ネットワークをしたイメージ特徴抽出抽出抽出を参照しください。
ニューラルネットワーク本质に并列アルゴリズムです。。この性ののの利点利点,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,活かし,活かし活かし活かし活かし活かし活かし活かし活かし活かし活かし活かし活かし活かし活かし活かし活かし活かしをををををををををををををを使用ししてて,,マルチコアマルチコアマルチコアマルチコアマルチコアcpu,マルチコアマルチコアマルチコアマルチコアマルチコアマルチコアマルチコアマルチコアマルチコアマルチコアマルチコアマルチコアのクラスター分散させる。。
深いのは量が非常にますます。。通常通常のののののののののののののののののををををををををを使用使用ししししててて学习学习学习学习学习时间时间时间时间时间时间时间时间をさせる。畳み込みネットワークネットワークの学习学习はは,,,のののつまたはまたはまたはまたはまたはcpuまたはまたはででで,,复数复数复数ののののののまたはまたはまたはまたはまたはまたはまたはまたはまたはまたはまたはまたはまたはまたはまたはコアコアコアです。
大きすぎにないセットをし问题解决するするために,复数のコンピューターコンピューターはは必要ありませませ成像
をし,のクラスター使用せずに,データをを处理处理できできますますます。。ただし,利用利用できるできるクラスタークラスターががあるある场合场合はは,,コードコードコードコードをデータに入れる入れる入れる入れるも有效ことがあります。
深层学习ハードウェアメモリ设定の详细,,gpuおよびでのデータをした学习学习を参照しください。