Pretrained网络
使用pretrained图像网络快速学习新任务
使用学习转移到利用pretrained网络提供的知识学习新模式新图像数据。微调pretrained图像分类和转移网络学习通常是快得多,也更容易比从头开始训练。使用pretrained深网络使您能够快速创建模型没有定义的新任务和培训新的网络,拥有数以百万计的图片,和拥有一个强大的GPU。探讨pretrained网络可用,使用深层网络设计师。
应用程序
| 深层网络设计师 | 设计、可视化和火车深度学习网络 |
功能
块
主题
- 使用深度学习摄像头图像进行分类
这个例子展示了如何从一个摄像头图像分类实时使用卷积神经网络GoogLeNet pretrained深。
- 火车深入学习网络对新图像进行分类
这个例子展示了如何使用转移学习再教育卷积神经网络对一组新的图像进行分类。
- 学习使用Pretrained网络传输
这个例子显示了如何调整pretrained GoogLeNet卷积神经网络进行分类的新图片的集合。
- Pretrained深层神经网络
学习如何下载和使用pretrained卷积神经网络分类,转移学习和特征提取。
- 深度学习在MATLAB
发现在MATLAB的深度学习能力®利用卷积神经网络分类和回归,包括pretrained网络和学习,转移和培训在gpu, cpu,集群和云。
- 深度学习技巧和窍门
学习如何提高深度学习网络的准确性。
- 深度学习的数据集
发现数据集各种深度学习任务。
