Создание, компиляция и развертывание dlhdl. Объект рабочего процесса, который имеет сеть распознавания логотипов в качестве сетевого объекта с использованием пакета поддержки Toolbox™ Deep Learning HDL для Xilinx FPGA и SoC. Используйте MATLAB ®, чтобы получить результаты предсказания с целевого устройства .

Создание, компиляция и развертывание dlhdl. Объект рабочего процесса, который имеет сверточную нейронную сеть. Сеть может обнаруживать и выводить контуры маркера маршрута в качестве объекта сети с помощью пакета поддержки Toolbox™ Deep Learning HDL для Xilinx FPGA и SoC. Используйте MATLAB ®, чтобы получить результаты предсказания с целевого устройства .

Создание, компиляция и развертывание dlhdl. Объект рабочего процесса с alexnet в качестве сетевого объекта при помощи пакета поддержки Deep Learning HDL Toolbox™ для Xilinx FPGA и SoC. Используйте MATLAB ®, чтобы получить результаты предсказания с целевого устройства. Alexnet является предварительно обученной сверточной нейронной сетью, которая была обучена на более чем миллионе изображений и может классифицировать изображения в 1000 категорий объектов (таких как клавиатура, кофе, кружка, карандаш и многие животные). Можно также использовать VGG-19 и Darknet-19 в качестве сетевых объектов.

Обучите, скомпилируйте и разверните dlhdl. Объект рабочего процесса, который имеет ResNet-18 в качестве сетевого объекта при помощи пакета поддержки Deep Learning HDL Toolbox™ для Xilinx FPGA и SoC. Используйте MATLAB ®, чтобы получить результаты предсказания с целевого устройства .

Развертывание пользовательской обученной последовательной сети для обнаружения дефектов в таких объектах, как шестигранные гайки. Пользовательские сети были обучены с помощью передачи обучения. Передача обучения обычно используется в применениях глубокого обучения. Можно взять предварительно обученную сеть и использовать ее как начальная точка для изучения новой задачи. Подстройка сети с передачей обучения обычно намного быстрее и проще, чем обучение сети со случайным образом инициализированными весами с нуля. Можно быстро передать выученные функции в новую задачу с помощью меньшего количества обучающих сигналов. Этот пример использует две обученные последовательные сети trainedDefNet.mat и trainedBlemDetNet.mat.

Развертывание обученной сети серий для обнаружения пешеходов и велосипедистов на основе их микродопплеровских сигнатур. Эта сеть взята из классификации пешеходов и бициклистов с использованием примера глубокого обучения из набора Phased Array Toolbox. Для получения дополнительной информации о сетевом обучении и входных данных смотрите Классификацию пешеходов и бициклистов с использованием глубокого обучения.

Передайте изображение в сверточную нейронную сеть и отобразите активации различных слоев сети. Исследуйте активации и обнаружите, какие функции учит сеть, сравнивая области активации с оригинальным изображением. Каналы в более ранних слоях учатся простым функциям, таким как цвет и ребра, в то время как каналы в более глубоких слоях учатся сложным функциям. Идентификация функций таким образом может помочь вам понять, чему научилась сеть.

Чтобы понять и отлажить сверточные сети, выполнение и визуализация данных является полезным инструментом. В этом примере показано, как развертывать, запускать и отлаживать сеть только для свертки с помощью развертывания FPGA.

Обучите и разверните детектор объектов (YOLO) v2 только один раз.

Обучите и разверните детектор объектов (YOLO) v2 только один раз.

Классифицируйте сигналы электрокардиограммы (ЭКГ) человека путем развертывания обученной сети ориентированного ациклического графика (ДАГ).