深层学习とは

“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。

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

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。

10行MATLABコードによる深层の例

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。。

転移学习した时间での学习开始开始开始

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。。

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。

事前学习ネットワーク抽出された使用した分类器学习

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AlexnetSvm 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。

cpu，gpu，并列，クラウドでデータをし学习学习学习

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。