主要内容

이번역페이지는최신내용을담고있지않습니다。최신내용을영문으로보려면여기를클릭하십시오。

영상에서의딥러닝

컨벌루션신경망을처음부터훈련시키거나사전훈련된신경망을사용하여새로운작업을빠르게학습합니다。

신경망아키텍처를정의하고신경망을처음부터훈련시켜영상분류및회귀작업을위한새심층신경망을만듭니다。전이학습을사용하여사전훈련된신경망이제공하는지식을활용해새데이터의새패턴을학습할수도있습니다。전이학습을통해사전훈련된영상분류신경망을미세조정하는것이일반적으로처음부터훈련시키는것보다훨씬더빠르고쉽습니다。사전훈련된심층신경망을사용하면새로운신경망을정의하고훈련시키거나,수백만개의영상을갖거나,강력한GPU를가질필요없이새작업을빠르게학습할수있습니다。

신경망아키텍처를정의한후에trainingOptions함수를사용하여훈련파라미터를정의해야합니다。그런다음trainNetwork를사용하여신경망을훈련시킬수있습니다。훈련된신경망을사용하여클래스레이블이나숫자형응답변수를예측합니다。

CPU CPU、GPU여러개의나GPU또는클러스터나클라우드에서병렬로컨벌루션신경망을훈련시킬수있습니다。GPU에서또는병렬로훈련시키려면并行计算工具箱™가필요합니다。GPU를사용하려면지원되는GPU장치가필요합니다。(지원되는장치에대한자세한내용은릴리스별GPU지원(并行计算工具箱)항목을참조하십시오。)trainingOptions함수를사용해서실행환경을지정하십시오。

심층신경망디자이너 ,딥러닝신경망의설계시각화및훈련

함수

모두확장

trainingOptions 딥러닝신경망훈련옵션
trainNetwork 딥러닝신경망훈련
analyzeNetwork 딥러닝신경망아키텍처분석
squeezenet SqueezeNet컨벌루션신경망
googlenet GoogLeNet컨벌루션신경망
inceptionv3 Inception-v3컨벌루션신경망
densenet201 densenet - 201컨벌루션신경망
mobilenetv2 MobileNet-v2컨벌루션신경망
resnet18 ResNet-18컨벌루션신경망
resnet50 ResNet-50컨벌루션신경망
resnet101 resnet - 101컨벌루션신경망
xception 卷积神经网络除外
inceptionresnetv2 사전훈련된Inception-ResNet-v2컨벌루션신경망
nasnetlarge 预先训练的nasnet -大型卷积神经网络
nasnetmobile 预训练NASNet-Mobile卷积神经网络
shufflenet 预先训练的ShuffleNet卷积神经网络
darknet19 DarkNet-19卷积神经网络
darknet53 DarkNet-53卷积神经网络
efficientnetb0 efficient -b0卷积神经网络
alexnet AlexNet컨벌루션신경망
vgg16 VGG-16컨벌루션신경망
vgg19 VGG-19컨벌루션신경망

입력계층

imageInputLayer 영상입력계층
image3dInputLayer 三维图像输入层
featureInputLayer 特性输入层

컨벌루션계층과완전연결계층

convolution2dLayer 2차원컨벌루션계층
convolution3dLayer 三维卷积层
groupedConvolution2dLayer 二维分组卷积层
transposedConv2dLayer 转置的二维卷积层
transposedConv3dLayer 转置的三维卷积层
fullyConnectedLayer 완전연결계층

활성화계층

reluLayer ReLU(修正线性单元)계층
leakyReluLayer 漏水的ReLU(修正线性单元)계층
clippedReluLayer 剪ReLU(修正线性单元)계층
eluLayer 指数线性单位(ELU)层
tanhLayer 双曲切(tanh)层
swishLayer 时髦的层

정규화드,롭아웃및자르기계층

batchNormalizationLayer 배치정규화계층
groupNormalizationLayer 集团标准化层
instanceNormalizationLayer 实例的归一化层
layerNormalizationLayer 一层一层正常化
crossChannelNormalizationLayer 채널별국소응답정규화계층
dropoutLayer 드롭아웃계층
crop2dLayer 二维作物层
crop3dLayer 3 d作物层

풀링및언풀링계층

averagePooling2dLayer 평균값풀링계층
averagePooling3dLayer 三维平均池积层
globalAveragePooling2dLayer 全球平均池化层
globalAveragePooling3dLayer 三维全球平均池化层
globalMaxPooling2dLayer 全局最大池化层
globalMaxPooling3dLayer 三维全局最大池化层
maxPooling2dLayer 최댓값풀링계층
maxPooling3dLayer 三维最大池化层
maxUnpooling2dLayer 최댓값언풀링계층

결합계층

additionLayer 덧셈계층
multiplicationLayer 乘法层
concatenationLayer 连接层
depthConcatenationLayer 심도결합계층

출력계층

sigmoidLayer 乙状结肠层
softmaxLayer 소프트맥스계층
classificationLayer 분류출력계층
regressionLayer 회귀출력계층만들기
augmentedImageDatastore 배치를변환하여영상데이터증대
imageDataAugmenter 영상데이터증대구성
增加 对多个图像应用相同的随机变换
layerGraph 딥러닝을위한신경망계층의그래프
情节 신경망계층그래프플로팅
addLayers 계층그래프에계층추가
removeLayers 계층그래프에서계층제거
replaceLayer 在层图中替换层
connectLayers 계층그래프에서계층연결
disconnectLayers 계층그래프에서계층연결끊기
DAGNetwork 딥러닝을위한DAG(유방향비순환그래프)신경망
isequal 检查深度学习层图或网络的相等性
isequaln 检查相等的深度学习层图或网络忽略
分类 훈련된딥러닝신경망을사용하여데이터분류
预测 훈련된딥러닝신경망을사용하여응답변수예측
激活 딥러닝신경망계층활성화계산
confusionchart 创建分类问题的混淆矩阵图
sortClasses 分类混淆矩阵图

블록

모두확장

预测 使用训练有素的深度学习神经网络预测反应
图像分类器 使用训练的深度学习神经网络对数据进行分类

속성

ConfusionMatrixChart属性 混淆矩阵图的外观和行为

예제및방법

사전훈련된신경망사용하기

GoogLeNet을사용하여영상분류하기

이예제에서는사전훈련된심층컨벌루션신경망GoogLeNet을사용하여영상을분류하는방법을보여줍니다。

딥러닝을사용하여웹캠영상분류하기

이예제에서는사전훈련된심층컨벌루션신경망GoogLeNet을사용하여웹캠의영상을실시간으로분류하는방법을보여줍니다。

심층신경망디자이너를사용한전이학습

사전훈련된딥러닝신경망이새로운영상분류작업을학습하도록대화형방식으로미세조정합니다。

새로운영상을분류하도록딥러닝신경망훈련시키기

이예제에서는새로운영상세트를분류할수있도록전이학습을사용하여컨벌루션신경망을다시훈련시키는방법을보여줍니다。

사전훈련된신경망을사용하여영상특징추출하기

이예제에서는사전훈련된컨벌루션신경망에서학습된영상특징을추출한다음추출한특징을사용하여영상분류기를훈련시키는방법을보여줍니다。

使用预训练网络进行迁移学习

这个例子展示了如何微调一个预先训练好的GoogLeNet卷积神经网络来对一个新的图像集合进行分类。

사전훈련된심층신경망

분류,전이학습및특징추출을위해사전훈련된컨벌루션신경망을다운로드하고사용하는방법을알아봅니다。

새로운심층신경망만들기

간단한분류용딥러닝신경망만들기

이예제에서는딥러닝분류용으로간단한컨벌루션신경망을만들고훈련시키는방법을보여줍니다。

심층신경망디자이너를사용하여신경망구축하기

딥러닝신경망을대화형방식으로구축하고편집합니다。

회귀를위해컨벌루션신경망훈련시키기

이예제에서는컨벌루션신경망을사용하여손으로쓴숫자의회전각도를예측하는회귀모델을피팅하는방법을보여줍니다。

딥러닝계층목록

MATLAB®에서제공하는딥러닝계층에대해알아봅니다。

컨벌루션신경망의계층지정하기

컨벌루션신경망(事先)에는어떤계층이있는지그리고이들계층이事先에서어떤순서로나타나는지알아봅니다。

生成MATLAB代码从深网络设计者

生成MATLAB代码重新设计和训练一个网络在深网络设计者。

영상분류를위해잔차신경망훈련시키기

이예제에서는잔차연결을사용하여딥러닝신경망을만들고CIFAR-10데이터에대해훈련시키는방법을보여줍니다。

具有数字特征的列车网络

这个例子展示了如何创建和训练一个简单的神经网络用于深度学习特征数据分类。

多输入多输出网络

学习如何定义和训练具有多个输入或多个输出的深度学习网络。

생성적적대신경망(GAN)훈련시키기

이예제에서는생성적적대신경망을훈련시켜서영상을생성하는방법을보여줍니다。

训练条件生成对抗网络(CGAN)

这个例子展示了如何训练一个条件生成对抗网络来生成图像。

列车快速式换乘网络

这个例子展示了如何训练一个网络来将一个图像的样式传递给另一个图像。

使用注意力的图像说明

这个例子展示了如何训练一个深度学习模型来使用注意力进行图像字幕。

使用自定义训练循环训练网络

这个例子展示了如何训练一个网络,用一个定制的学习速率计划来分类手写数字。

多输出列车网络

这个例子展示了如何用多个输出来训练一个深度学习网络,预测手写数字的标签和旋转角度。

训练一个暹罗网络来比较图像

这个例子展示了如何训练一个暹罗网络来识别手写字符的相似图像。

将自定义层导入深层网络设计器

这个例子展示了如何导入自定义分类输出层与误差平方和(SSE)损失,并将其添加到一个预先训练的网络在深网络设计器。

深度网络设计器中的图像到图像回归

这个例子展示了如何使用Deep Network Designer来构建和训练一个图像到图像的超分辨率回归网络。

개념

MATLAB의딥러닝

사전훈련된신경망및전이학습,그리고GPU, CPU、클러스터및클라우드에서의훈련등분류및회귀에컨벌루션신경망을사용하여MATLAB의딥러닝기능을알아봅니다。

파라미터를설정하고컨벌루션신경망훈련시키기

컨벌루션신경망의훈련파라미터를설정하는방법을알아봅니다。

딥러닝을위해영상전처리하기

훈련,예측및분류를위해영상의크기를조정하는방법과데이터증대,변환및특화된데이터저장소를사용하여영상을전처리하는방법을알아봅니다。

深度学习预处理卷

为三维深度学习读取和预处理体积图像和标记数据。

用于深度学习的数据存储

学习如何在深度学习应用程序中使用数据存储。

분류신경망을회귀신경망으로변환하기

이예제에서는훈련된분류신경망을회귀신경망으로변환하는방법을보여줍니다。

딥러닝팁과요령

딥러닝신경망의정확도를높이는방법을알아봅니다。

深度学习的数据集

为各种深度学习任务发现数据集。

导入数据到深度网络设计器

在深度网络设计器中导入和可视化数据。

추천예제