Запуск с Deep Learning Toolbox
Deep Learning Toolbox™ предоставляет среду для разработки и реализации глубоких нейронных сетей с помощью алгоритмов, предварительно обученных моделей и приложений. Вы можете использовать сверточные нейронные сети (ConvNets, CNNs) и сети долгой краткосрочной памяти (LSTM) для выполнения классификации и регрессии изображений, timeseries и текстовых данных. Вы можете создавать сетевые архитектуры, такие как генеративные состязательные сети (GANs) и сиамские сети с помощью автоматической дифференциации, пользовательских циклов обучения и общих весов. С помощью приложения Deep Network Designer можно проектировать, анализировать и обучать сети графически. Приложение Experiment Manager помогает вам управлять несколькими экспериментами глубокого обучения, отслеживать параметры обучения, анализировать результаты и сравнивать код из различных экспериментов. Можно визуализировать активацию слоя и графически контролировать процесс обучения.
Можно обмениваться моделями с TensorFlow™ и PyTorch через формат ONNX™ и импортировать модели из TensorFlow-Keras и Caffe. Тулбокс поддерживает передачу обучения с DarkNet-53, ResNet-50, NASNet, SqueezeNet и многими другими предварительно обученными моделями.
Вы можете ускорить обучение на рабочих станциях с одним или несколькими графическими процессорами (с Parallel Computing Toolbox™) или масштабировать до кластеров и облаков, включая NVIDIA®GPU Cloud и Amazon EC2® GPU инстансы (с MATLAB® Parallel Server™).
Руководства
- Запуск с Deep Network Designer
В этом примере показано, как использовать Deep Network Designer для адаптации предварительно обученной сети GoogLeNet для классификации нового набора изображений.
- Попробуйте Глубокое Обучение в 10 линиях КОДА MATLAB
Узнайте, как использовать глубокое обучение для идентификации объектов на веб-камере реального времени с предварительно обученной сетью AlexNet.
- Классификация изображений с помощью предварительно обученной сети
В этом примере показано, как классифицировать изображение с помощью предварительно обученной глубокой сверточной нейронной сети GoogLeNet.
- Запуск с передачей обучения
Этот пример показывает, как использовать передачу обучения для переобучения SqueezeNet, предварительно обученной сверточной нейронной сети, чтобы классифицировать новый набор изображений.
- Создайте простую сеть классификации изображений
Этот пример показывает, как создать и обучить простую сверточную нейронную сеть для классификации глубокого обучения.
- Создайте простую сеть классификации изображений с помощью Deep Network Designer
В этом примере показано, как создать и обучить простую сверточную нейронную сеть для классификации глубокого обучения с помощью Deep Network Designer.
- Создайте сеть классификации простых последовательностей с помощью Deep Network Designer
В этом примере показано, как создать простую сеть классификации долгой краткосрочной памяти (LSTM) с помощью Deep Network Designer.
Мелкие сети
- Мелкие сети для распознавания шаблонов, кластеризации и временных рядов
Используйте приложения и функции для разработки мелких нейронных сетей для подбора кривой функций, распознавания шаблонов, кластеризации и анализа временных рядов.
Рекомендуемые примеры
Интерактивное обучение
Глубокое обучение Onramp
Это бесплатное двухчасовое руководство по глубокому обучению обеспечивает интерактивное введение в практические методы глубокого обучения. Вы научитесь использовать методы глубокого обучения в MATLAB для распознавания изображений.
Видео
Интерактивное изменение Нейронной сети для глубокого обучения для Передачи обучения
Deep Network Designer - это инструмент «укажи и выбери» для создания или изменения глубоких нейронных сетей. В этом видео показано, как использовать приложение в рабочем процессе передачи обучения. Он демонстрирует простоту, с которой можно использовать инструмент для изменения последних нескольких слоев в импортированной сети в отличие от изменения слоев в командной строке. Можно проверить измененную архитектуру на ошибки в соединениях и назначениях свойств с помощью сетевого анализатора.
Глубокое обучение с MATLAB: глубокое обучение в 11 линиях кода MATLAB
Посмотрите, как использовать MATLAB, простую веб-камеру и глубокую нейронную сеть для идентификации объектов в вашем окружении.
Глубокое обучение с MATLAB: Передача обучения в 10 линиях кода MATLAB
Узнать, как использовать передачу обучения в MATLAB, чтобы переучить нейронные сети для глубокого обучения, созданные экспертами для ваших собственных данных или задачи.