Deep Learning Toolbox

Создайте, анализируйте, и нейронные сети для глубокого обучения train

Deep Learning Toolbox™ служит основой для разработки и реализации глубоких нейронных сетей, включая алгоритмы, предварительно обученные модели и приложения. Можно использовать сверточные нейронные сети (ConvNets, CNNs) и сети долгой краткосрочной памяти (LSTM) для решения задач классификации и регрессии на изображениях, временных рядах и текстах. Приложения и графики помогают вам визуализировать уровни активации, редактировать архитектуру сетей и контролировать прогресс в их обучении.

Для небольших наборов обучающих данных можно использовать обучение с переносом для предварительно обученных глубоких сетевых моделей (включая SqueezeNet, Начало-v3, ResNet-101, GoogLeNet и VGG-19) и модели, импортированные из TensorFlow™-Keras и Caffe.

Чтобы ускорить обучение на больших наборах данных, можно распределить вычисления и данные на многоядерных процессорах и рабочих компьютерах графического процессора (с Parallel Computing Toolbox™), или масштабировать до кластеров и облаков, включая Amazon EC2® P2, P3 и экземпляры графического процессора G3 (с MATLAB® Parallel Server™).

Начало работы

Изучите основы Deep Learning Toolbox

Глубокое обучение для изображений

Обучите сверточные нейронные сети с нуля или используйте предварительно обученные сети, чтобы быстро изучить новые задачи

Глубокое обучение для временных рядов, последовательностей и текста

Создайте и обучите нейронные сети для классификации временных рядов, регрессии и задач прогнозирования

Настройка и визуализация глубокого обучения

Стройте графики прогресса обучения, оценивайте точность, делайте прогнозы, настраивайте параметры обучения и визуализируйте признаки, выученные сетью

Глубокое обучение параллельно и в облаке

Увеличьте глубокое обучение для нескольких графических процессоров локально или в облаке и обучите несколько сетей в интерактивном режиме или в пакетных заданиях

Применение глубокого обучения

Расширьте рабочие процессы глубокого обучения с компьютерным зрением, обработкой изображений, автоматизировал управление, сигналы и аудио

Импорт глубокого обучения, экспорт и индивидуальная настройка

Импортируйте и экспортируйте сети, задайте пользовательские слои глубокого обучения и настройте хранилища данных

Генерация кода глубокого обучения

Сгенерируйте код MATLAB или CUDA® и Код С++ и разверните нейронные сети для глубокого обучения

Приближение функций и кластеризация

Выполните регрессию, классификацию, и кластеризирующий использование мелких нейронных сетей

Временные ряды и системы управления

Образцовые нелинейные динамические системы с помощью мелких сетей; сделайте прогнозы с помощью последовательных данных.