图像数据的工作流

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。您还可以创建新的深度网络图像分类和回归任务通过定义从头网络结构和训练网络。

你可以训练网络使用trainNetwork和trainingOptions函数,或者您可以指定一个自定义训练循环使用dlnetwork对象或dlarray对象的功能。

你可以训练一个神经网络CPU、GPU,多个CPU或GPU,或并行集群上或在云中。培训在GPU并行或需要并行计算工具箱™。使用GPU需要支持GPU设备(支持设备上的信息万博1manbetx,请参阅GPU计算的需求(并行计算工具箱))。指定执行环境使用trainingOptions函数。

您可以使用内置的监测培训进展块网络的准确性和丢失,你可以使用可视化技术,如Grad-CAM调查训练网络,闭塞敏感性,石灰,深的梦想。

当你有一个训练网络,您可以验证它的鲁棒性,计算网络输出范围,并找到对抗的例子。您还可以使用一个训练有素的网络仿真软件万博1manbetx^®从深层神经网络模型,利用块块库。