Deep Learning Toolbox

Создайте, анализируйте и обучите глубокие образовательные сети

Deep Learning Toolbox™ служит основой для разработки и реализации глубоких нейронных сетей с алгоритмами, предварительно обученными моделями и приложениями. Можно использовать сверточные нейронные сети (ConvNets, CNNs) и сети долгой краткосрочной памяти (LSTM), чтобы выполнить классификацию и регрессию на изображении, timeseries и текстовых данных. Приложения и графики помогают вам визуализировать активации, редактирование сетевая архитектура, и контролировать учебный прогресс.

Для небольших наборов данных обучения можно выполнить передачу, учащуюся с предварительно обученными глубокими сетевыми моделями (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 через многоядерные процессоры и GPU на рабочем столе (с Parallel Computing Toolbox™), или масштабировать до кластеров и облаков, включая Amazon EC2® P2, P3 и экземпляры G3 GPU (с MATLAB® Parallel Server™).

Начало работы

Изучите основы Deep Learning Toolbox

Глубоко изучение с изображениями

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

Глубоко учась с временным рядом, последовательностями и текстом

Создайте и сети железных дорог для классификации временных рядов, регрессии и задач прогнозирования

Глубоко изучая настройку и визуализацию

Постройте учебный прогресс, оцените точность, сделайте прогнозы, настройте учебные опции и визуализируйте функции, изученные сетью

Глубоко учась параллельно и в облаке

Увеличьте глубокое изучение с несколькими GPU локально или в облаке и обучите несколько сетей в интерактивном режиме или в пакетных заданиях

Глубоко изучение приложений

Расширьте глубоко изучение, что рабочие процессы с компьютерным зрением, обработкой изображений, автоматизировали управление, сигналы и аудио

Глубоко изучая импорт, экспорт и индивидуальную настройку

Импорт и сети экспорта, задайте пользовательские глубокие уровни изучения и настройте хранилища данных

Глубоко учащаяся генерация кода

Сгенерируйте код MATLAB или CUDA® и Код С++ и разверните глубокие образовательные сети

Функциональное приближение и кластеризация

Выполните регрессию, классификацию, и кластеризирующий использование мелких нейронных сетей

Временной ряд и системы управления

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