深度学习工具箱
设计、培训和分析深度学习网络
深度学习工具箱™为设计和实现具有算法、预训练模型和应用程序的深度神经网络提供了框架。您可以使用卷积神经网络(ConvNets、CNNs)和长短时记忆(LSTM)网络对图像、时间序列和文本数据进行分类和回归。您可以使用自动分化、自定义训练循环和共享权重来构建网络架构,如生成式对抗网络(GANs)和暹罗网络。使用Deep Network Designer应用程序,您可以图形化地设计、分析和训练网络。实验管理器app可以帮助你管理多个深度学习实验,跟踪训练参数,分析结果,比较不同实验的代码。您可以可视化层激活并图形化地监视培训进度。
您可以通过ONNX格式与TensorFlow™和PyTorch交换模型,并从TensorFlow- keras和Caffe导入模型。工具箱支持转移学习与Da金宝apprkNet-53, ResNet-50, NASNet, SqueezeNet和许多其他预训练的模型。
您可以加速单个或多个GPU的工作站上训练(并行计算工具箱™),或扩展到集群和云,其中包括NVIDIA® GPU Cloud and Amazon EC2® GPU instances (with MATLAB Parallel Server™).
入门:
卷积神经网络
学会在图像识别物体,面孔和场景模式。构建和训练卷积神经网络(细胞神经网络)来执行特征提取和图像识别。
长短期记忆网络
了解长期依赖于序列数据,包括信号,音频,文本,和其他的时间序列数据。构建和训练长短期记忆(LSTM)网络来执行分类和回归。
网络体系结构
使用不同的网络结构,包括向无环图(DAG)和复发性的架构来构建你的深度学习网络。建立先进的网络体系结构,例如生成对抗性网络(甘斯)和连体网络使用定制训练环路,共享权重,并且自动分化。
设计深度学习网络
使用deep network Designer应用程序从头开始创建和训练一个深度网络。导入一个预训练的模型,可视化网络结构,编辑图层,调整参数,然后训练。
分析深学习网络
在培训之前,分析您的网络体系结构,以检测和调试错误、警告和层兼容性问题。可视化网络拓扑结构,查看可学习参数和激活等详细信息。
管理深度学习实验
管理与实验管理器应用中的多个深度学习实验。跟踪的训练参数,分析结果,并从不同的实验对比的代码。使用可视化工具,如培训情节和混淆矩阵,排序和筛选实验结果,并定义自定义指标来评估训练的模型。
预训练模式
访问预先训练从一个单一的代码行最新的研究网络。进口预训练的模型,包括暗网-53,RESNET-50,SqueezeNet,NASNet,和启-V3。
网络的激活
对应于层,可视化功能了解到提取的激活,并用激活训练机器学习分类。使用梯度-CAM方法来理解为什么一个深刻的学习网络,使得它的分类决定。
ONNX转换器
内MATLAB进出口ONNX模型®与其他深度学习框架的互操作性。ONNX使模型在一个框架中进行培训,转让给他人的推理。使用GPU编码器™生成优化的英伟达®CUDA®码及使用方法MATLAB编码器™为导入的模型生成c++代码。
咖啡进口国
进口车型从来自Caffe型号动物园到MATLAB进行推理和转移学习。
GPU加速
加快深学习培训和推理与高性能的NVIDIA GPU。在执行一个工作站GPU或大规模的培训与数据中心或云DGX系统多GPU。您可以使用MATLAB与并行计算工具箱和最支持CUDA的NVIDIA GPU有计算能力3.0或更高。
云加速
与云实例减少深度学习培训时间。使用最好的结果高性能GPU实例。
部署独立的应用程序
使用MATLAB编译器™和MATLAB编译SDK™部署训练网络作为C ++共享库,微软® 。网络组件,Java® 类和Python® packages from MATLAB programs with deep learning models.
深度学习量化
量化你的深度学习网络INT8和分析量化权重和使用模型量化库支持包选定层的偏见精度的权衡。金宝app
无监督网络
发现数据之间的关系,并自动通过让浅网络定义分类方案不断调整自身以新的投入。使用自组织,无监督网络,以及具有竞争力层和自组织地图。
堆叠自动编码
通过使用自动编码数据集中提取低维特征进行监督的功能转型。您也可以通过培训和堆叠多个编码器使用监督学习堆叠自动编码。
实验管理器应用程序
管理多个深度学习实验,不断的训练参数跟踪,分析和比较结果和代码
深度网络设计师App
交互式训练网络进行图像分类,生成MATLAB代码进行训练,并访问预训练的模型
定制培训循环
列车网络具有多个输入,多个输出,或3- d CNN层
深度学习的例子
使用注意和培养使用数据标签和属性有条件甘斯火车站图像字幕网络
预训练网络
与暗网-19和暗网-53进行迁移学习
ONNX支金宝app持
进口网络使用所述ONNX模型转换器的多个输入或多个输出
培训灵活性
指定的定制培训环路定制层后退功能
查看发行说明了解这些特性和相应功能的详细信息。