深度学习工具箱
创建、分析和深度学习训练网络
深度学习工具箱™提供了一个框架为设计和实现深层神经网络算法,pretrained模型和应用。您可以使用卷积神经网络(回旋网,cnn)和长期短期记忆(LSTM)网络对图像进行分类和回归、时间序列和文本数据。应用程序和情节帮助您可视化激活、编辑网络架构,并监控培训的进展。
对于小的训练集,您可以执行转移与pretrained深学习网络模型(包括SqueezeNet、Inception-v3 resnet - 101, GoogLeNet,和VGG-19)和模型从TensorFlow进口™-Keras和咖啡。
加快培训大型数据集,您可以分发计算和数据在多核处理器和gpu在桌面上(并行计算工具箱™),或扩大集群和云,包括Amazon EC2®P2、P3和G3 (GPU实例MATLAB®并行服务器™)。
开始
学习深度学习工具箱的基础知识
深度学习的图片
火车从头卷积神经网络或使用pretrained网络快速学习新任务
深度学习与时间序列,序列和文本
创建和列车网络时间序列分类、回归和预测任务
深度学习调优和可视化
情节训练进度,评估精度,使预测,优化训练选项,和可视化功能通过网络学习
深度学习在并行和云
扩大深度学习与多个gpu在本地或在云中和训练多个网络交互或批处理作业
深度学习的应用
扩展深度学习工作流与计算机视觉,图像处理,自动驾驶,信号和音频
深度学习进口、出口和定制
进出口网络,定义自定义层深度学习和自定义数据存储
深度学习代码生成
生成或CUDA MATLAB代码®和c++代码和部署深入学习网络
函数逼近和集群
使用浅执行回归、分类和聚类神经网络
时间序列和控制系统
使用浅网络模型非线性动态系统;使用顺序数据做出预测。