主体内容

预培训网络

预培训图像网络快速学习新任务

使用传输学习利用预培训网络提供的知识学习新图像数据的新模式微调预培训图像分类网络并转学通常比从零开始训练快易得多使用预培训深度网络可快速创建新任务模型而不定义并培训新网络、拥有数以百万计图像或拥有强GPU探索预培训网络可用性深网络设计师.

应用

深网络设计师 设计、视觉化和深学习网络培训

函数类

扩展全部

培训选项 深学习神经网络选择
trainNetwork网络 火车神经网络
火车网 深学习神经网络自R2023b
分析Network 分析深学习网络架构
压缩网 queezeNet卷积神经网络
Googlenet GoogleNet卷积神经网络
istiv3 感知-V3神经网络卷积
稠密网201 enseNet-201卷积神经网络
移动网2 移动Net-v2神经网络卷积自R2019a
Resnet18 ResNet-18卷积神经网络
转网50 ResNet-50卷积神经网络
Resnet101 ResNet-101卷积神经网络
x感知 感知卷积神经网络自R2019a
inceptionresnetv2 预感-ResNet-v2卷积神经网络
NSNET放大 预培训NASNet大卷积神经网络自R2019a
NSNET移动 预培训NASNet运动卷积神经网络自R2019a
洗牌机 预培训打字网卷积神经网络自R2019a
深网19 黑网19卷积神经网络自2020a
深网53 黑网53卷积神经网络自2020a
高效网b0 高效Net-b0卷积神经网络自2020b
亚历克斯内特 AlexNet卷积神经网络
vgg16 VGG-16卷积神经网络
vgg19 VGG-19卷积神经网络
分类法 数据分类使用训练有素深学习神经网络
预测 预测响应使用训练深学神经网络
激活 计算深学习网络层激活
混淆图 创建混淆矩阵图解分类问题
排序类 排序混淆矩阵图

块状

扩展全部

预测 预测响应使用训练有素深学习神经网络自2020b
图像分类器 使用训练有素深学习神经网络对数据分类自2020b

题目类