深度学习
3 COSE哒sapere
伊尔深学习è乌纳TECNICA迪apprendimento AUTOMATICO车insegna人工智能计算机svolgereun'attività自然法每L'UOMO：imparare CON L'esempio。IL深学习è乌纳TECNOLOGIA fondamentale阿拉基阿尔汽车公司一个GUIDA自治，poichéconsente洛罗二riconoscere未segnale二停止ö二distinguere未佩多哒未兰皮奥内岛。ÈIL fattore chiave德尔controllo vocale在dispositivi合格telefoni cellulari，平板电脑，电视ēaltoparlanti vivavoce。非戊未卡索SE ultimamente IL深学习è森佩尔彪人炫酷dell'attenzione。奎斯塔TECNICA STA ottenendo risultati澈初步非sembravano possibili。
内尔深度学习，联合国MODELLO computerizzato impara一个svolgereattività迪classificazione direttamente达immagini，德图Øsuoni。我MODELLI迪深度学习possono raggiungere UNA precisione异体stato dell'Arte酒店，superando talvolta乐prestazioni ottenute dall'uomo。L'addestramento DEI MODELLI viene eseguito utilizzando未格兰德集二DATI etichettatiËarchitetture二RETI neurali contenenti彪层。
在Che Modo IL Deep Learning Riesce Ad Ottenere RisultatiCosòSorprendenti？
在UNA帕罗拉，precisione。伊尔深学习raggiunge UNA precisione迪riconoscimento迈Vista的初步。CIO consente all'elettronica迪consumo迪soddisfare乐aspettative阿布鲁个用户编辑èfondamentale每乐applicazioni essenziali每拉SICUREZZA，来乐一汽车公司自治GUIDA。GLI sviluppi recenti汉诺consentito人深学习迪progredire一个TAL PUNTO达superare L'UOMO在alcuneattività，来到洛杉矶classificazione阿布鲁oggetti NELLE immagini。
IL深深学习èStato Toorizzato Per La Prima Volta oppti Anni'80，MaèpiventatoUtileSoltanto di Resecee每次ragioni principali：
- 伊尔深学习richiede UNA大quantità迪DATI etichettati。每esempio，每LO SVILUPPO阿尔汽车公司指数Senza conducente索诺necessari milioni迪immaginiËmigliaia迪矿迪视频。
- 伊尔深学习richiede UNA notevole波坦察elaborativa。Le GPU广告Alte Prestazioni Sono Dotate Di Un'Architetura Sparessa Molto Upplicate Per IL深度学习。在Combinazione Con In Cluster O IL Cloud Computing中，我在Grado di Ridurre i Team di Sviluppo Sono I Cutpi di Addestramento每个UNA Rete Di Dee Deep Learning da多样化Setimane A Poche Ore。
Esempi迪applicazioni德尔深度学习
Le Applicaioni Di Dee Deave学习Vengono Instrive Settori，Dalla Guida Automa Ai Dissositivi Medici。
贵大自治：我ricercatori德尔settore automobilistico utilizzano IL深学习每1L rilevamento AUTOMATICO迪oggetti，每esempio segnali迪一站式电子semafori。Inoltre，IL深度学习viene utilizzato每rilevare拉presenza迪pedoni，contribuendo一个ridurre IL rischio迪incidenti。
Aerospazioè防护国家中心：伊尔深学习viene utilizzato每identificare戴satelliti GLI oggetti车consentono迪localizzare乐迪AREEËinteresse乐individuare区sicureØinsicure每乐truppe。
Ricerca Medica：La Ricerca Sul Cancro Si每Rilevare自动化Le Cellule tumorali服务Del Deep Learing。Alcuni团队Presso La Ucla Hanno Costruito联合国Microscopio Avanzato Che Mepry Un Set Di Diati di Grandi Diminioni Unitestame Di Un'Applicazione Di Dee Die Leave学习在Grado Di Identivitare Con Precisione Le Cellule tumorali。
AUTOMAZIONE INDUSTRIALE：伊尔深学习contribuisce一个migliorare拉SICUREZZA代lavoratori nell'utilizzo迪macchinari pesanti rilevando automaticamente拉presenza迪personeËoggetti quando SI trovano广告UNA。距离非sicura装饰板MACCHINE。
Elettronica：伊尔深学习viene utilizzato内拉traduzione uditivaêvocale AUTOMATICA。每esempio，我dispositivi迪assistenza家蝇dotati迪riconoscimento vocale E在格拉多迪conoscere乐preferenze dell'utente索诺supportati装饰板applicazioni迪深度学习。万博1manbetx
来Funziona IL深入学习
香格里拉maggior单方面代metodi迪深学习utilizza乐迪architettureRETI neurali，Peruivo每崔I Modelli Di Deep学习Sono Spesso DenominatiRETI neurali profonde。
IL Termine“Profondo”Si Riferisce Solitamente Al Numero DI层Nascosti Nella Rete Neuale。le reti neurali tradizioni contengono solo 2-3层NASCOSTI，Mentre Le Reti Profonde Hostono Contenerne Fino A 150。
L'addestramento代MODELLI迪深学习viene eseguito utilizzando格兰迪集迪DATI etichettatiËarchitetture迪RETI neurali格拉多迪apprendere乐功能direttamente戴DATI指数Senza拉necessità迪estrarle manualmente。
FIGURA 1：列蒂neurali，organizzate在层枝consistono在未设置二nodi interconnessi。勒RETI possono contenere decineöcentinaia二层nascosti。
Una delle tipologiepiùcomuni di RetiNeuraliènota重温神经标势康沃辛（CNNO.Convnet）。乌纳CNN卷积勒caratteristiche apprese CON我DATI在INGRESSOëutilizza I层在2D convoluzionali，车rendono奎斯塔ARCHITETTURA adatta all'elaborazione二DATI在2D，来乐immagini。
乐CNN eliminano拉necessità迪estrazione MANUALE阿尔功能在摩多车L'utente非debba identificare乐功能utilizzate每拉classificazione阿尔immagini。伊尔funzionamento阿尔CNN SI巴沙sull'estrazione阿尔功能direttamente装饰板immagini。乐功能有意义非vengono预addestrate;vengono acquisite quando LA RETE addestra UNA raccolta迪immagini。L'estrazione AUTOMATICA阿尔功能consente un'elevata precisione代MODELLI迪深度学习建站全部attività迪visione artificiale，来到洛杉矶classificazione阿布鲁oggetti。
FIGURA 2：Esempio二UNA RETE CON molti层convoluzionali。甲ciascuna想象，在多样risoluzioni，vengono applicati DEI FILTRIËL'输出二ogni想象，convolta服务每IL层successivo DA输入。
Le CNN Imparano A Rilevare Le Diversee Feature di Un'immagine Utilizzando Demine O Centiinaia DI层NASCOSTI。CIASCUN层NASCOSTO AUMANTA LACompressitàSletle特色Dell'Imagine Apprese。Per eSempio，Il Primo层Nascusto Potbbe Imparare A Rilevare I Bordi，Mentre L'Ultimo Impara A Rilevare FormePićForcesse，每个La Forma Dell'oggetto Che Si Cerca di Riconoste。
Qualèlaiverzenzatra machine学习E深度学习吗？
IL深入学习èUNA Forma特定机器学习。UN Flusso di Lavero di机器学习Inizia con l'Estrazione手册删除功能有效的Dalle Immagini。Le特征vengono quindi exercizzate per reare un modello che类别rizza gli oggetti nell'immagine。Con Un Flusso di Lavero di Dee Dee Dee Learning，Le采用了意义的Vengono Estratte自动词条Dalle Immagini。INOLTRE，IL深入学习esegue联合国“验证终止”，在崔UNA RETE APPRINDE AUTOCALYAMATELE来到MERABORARE DATI GREZZI E SVOLGEREUN'ATTIVITà，每个ESEMPIO UNA Classificaione。
Un'altra differenza fondamentaleè车GLI algoritmi迪深学习scalano CON DATI，mentre L'apprendimento superficiale utilizza LA convergenza。每apprendimento superficiale SI intendono我metodi迪机器学习哲非consentono。更多sviluppi协会沃尔特raggiunto未协奏曲livello迪的性能，quando SI aggiungono esempiËDATI迪培训阿拉rete网。
联合国vantaggio fondandamene delle reti di深入学习èlapossibilitàdi migliorare le prestazioni con l'aumentare del formato dei dei dati dei dati dei data
FIGURA 3. Confronto TRA未approccio二机器学习（一个辛尼斯塔）在线深度学习（一个destra）内拉categorizzazione二VEICOLI。
伊尔机器学习prevede拉selezione MANUALE阿尔功能E双链未classificatore每L'ordinamento阿尔immagini。CON金正日深度学习，L'estrazione阿尔功能ê拉procedura迪modellazione索诺automatiche。
选择机器学习和深度学习之间
机器学习提供了各种技术和型号，您可以根据您的应用程序选择您正在处理的数据大小，以及您要解决的问题类型。成功的深度学习应用程序需要大量的数据（数千个图像）来培训模型，以及GPU或图形处理单元，快速处理您的数据。
当机器学习和深度学习之间的选择时，考虑你是否有一个高性能GPU和大量的标签数据。如果你没有任何的那些事情，可能更有意义，利用机器学习，而不是深度学习。深度学习一般比较复杂，所以你至少需要几千图像获得可靠结果。拥有一个高性能的GPU意味着该模型将需要更少的时间来分析所有这些图像。
快来scegliere TRA机器学习Ë深度学习
IL机器学习consente二scegliere TRA乌纳varietà二tecnicheêMODELLI在碱all'applicazione utilizzata，人formato DEI DATI哒elaborareË人TIPO二problema枝SI desidera risolvere。Un'applicazione迪深学习efficace richiede UNA大quantità二DATI（migliaia二immagini）每addestrare IL MODELLOË乐GPU（图形处理单元）每elaborare rapidamente我DATI。
almono di scegliere tra machine学习e深深学习otcorre thinare se di disove di una gpu广告Alte prestazioni e di una grandeutderitàdi dati Etichettati。在Caso Intrario，èPiùSensato Urilitizzare IL机器学习AnzichéIL深入学习。IL DeepLearningèighermencePićComperesso，PerCuièstyarioDisporre di Almeno Alcune Migliaia di Immagini Per Ottenere Risultati Audidabili。Con Una GPU Ad Alte Prestazioni，IL Modello Impiega Meno Tempo Ananizzare Tutte Viste Immagini。
快来creareèaddestrare未MODELLO迪深度学习
我tre modipiùcomuni uterizzat per eseSuire la classificazione di oggetti诱导深深学习sono：
Addestramento达零
每addestrare UNA rete网profonda达零，ènecessario raccogliere联合国一套迪DATI etichettati迪格兰迪dimensioniËprogettare un'architettura迪rete网格拉多迪apprendere乐功能è金正日MODELLO。CIOè效用值每新街勒applicazioni o每位乐applicazioni枝dispongono二未格兰德NUMERO二categorie二输出。硅tratta二未approccio米诺COMUNEpoiché，considerata拉格兰德quantità二DATIËLAvelocità二apprendimento，L'addestramento二queste RETI richiede GIORNIÒsettimane。
转移学习
香格里拉maggior单方面阿尔applicazioni迪深学习utilizza L'approccio denominato转移学习，联合国processo车consiste nell'affinamento迪未MODELLO precedentemente addestrato。硅单方面哒UNA RETE esistente，来AlexNetÓGoogLeNet，在翠SI inseriscono Nuovi酒店DATI contenenti CLASSI precedentemente sconosciute。乌纳沃尔特MESSA一个PUNTO LA RETE，è不可能性svolgere UNA NUOVAattività，每esempio LA semplice categorizzazione二卡尼ö加蒂anziché1000 oggetti diversi。Questo approccio，inoltre，presenta IL vantaggio迪richiedere molti米诺DATI（vengono阐述migliaia迪immaginianzichémilioni），quindi我拍子迪calcolo SI riducono一个小狗minutiØ广告alcune矿石。
IL转印学习richiede un'interfaccia INTERNA阿拉RETE预esistente，车consente二apportare modifiche estremamente精确Ëmiglioramenti每LA NUOVAattività。马铃薯®offre strumenti e funzioni progettati per Assisterti Nelle Operazioni di转移学习。
estrazione delle特色
联合国approccio迪深学习米诺COMUNEé彪specializzatoèL'utilizzo德拉rete网来estrattore双功能。Poiché合奏I层汉诺IL compito二apprendere确定的特征装饰板immagini，è不可能性estrarre queste特征DALLA在RETE qualsiasi时代报杜兰特IL processo二addestramento。大里功能possono quindi essere utilizzate每次来未输入MODELLO迪机器学习来乐万博1manbetx支持向量机（SVM）。
Accelerazione di Modelli di Deep学习诱导GPU
L'addestramento迪未MODELLO迪深度学习璞richiedere MOLTO节奏，DA GIORNI一个settimane。L'utilizzo dell'accelerazione GPU璞velocizzare IL processo在modo的sostanziale。L'USO二MATLAB CON UNA GPU riduce IL节奏necessario all'addestramento二UNA RETEËPUO ridurre IL速度每未problema二classificazione二immagini哒alcuni GIORNI一个poche矿石。Nell'addestramento代MODELLI迪深度学习，MATLAB utilizza乐GPU（SE disponibili）evitando LAnecessità迪comprendere esplicitamente来programmare乐GPU。
菲古拉4. Comandi迪深度学习工具箱每L'addestramento德拉CNN达零ØL'USO迪未MODELLO预addestrato每1L迁移学习。
Applicazioni迪深度学习
È不可能性utilizzare MODELLI二RETI neurali profonde precedentemente addestrati每applicare rapidamente IL深度学习的AI problemi riscontrati eseguendo IL转印学习öL'estrazione二功能。TRA我MODELLI disponibili每GLI个用户MATLAB figurano AlexNet，VGG-16，VGG-19 E I MODELLI来自Caffe（每esempio，哒来自Caffe模型动物园）importati tramite importCaffeNetwork。
Utilizzo迪AlexNet每riconoscere GLI oggetti CON UNA网络摄像头
Utilizza MATLAB，UNA semplice摄像头è乌纳rete网neurale profonda每identificare GLI oggetti巾帼不让须眉dintorni。
Esempio：Rilevazione迪oggetti tramite深度学习
oltre al.riconoscimento迪oggetti在un'immagineØ联合国视频澈identifica未oggetto specifico，IL深学习璞essere utilizzato anche每拉rilevazione迪oggetti。LA.rilevazione迪oggetticonsiste NEL riconoscereËlocalizzare L'oggetto在UNA scenaëconsente二individuare彪oggetti all'interno dell'immagine。
CON MATLAB，IL深入学习èPIùSEMPLICE。Oltre Agli Strumeri e Alle Funzioni每拉GESTIONE DI Grandi Set di Dati，Matlab Offre Anche Toolbox特定于每L'Utilizzo Del Machine学习，Delly Visione Auticials e Della Guida Automa e Afticali。
精读独奏poche righe迪codice，MATLAB consente anche人工智能米诺esperti迪utilizzare IL深度学习。Impara rapidamente，CREAēvisualizza MODELLIËdistribuiscili服务器E dispositivi嵌入。
我组队traggono vantaggio dall'utilizzo迪MATLAB每1L深度学习PERCHE consente二：
- CRAREE E Visualizzare Modelli Con Poche Righe Di Codice。
- Eseguire IL深度学习指数Senza essere esperti。
- Eseguire automaticamente L'etichettatura硫化物的Campo di immagini E视频。
- Integrare IL深度学习在联合国尤尼科flusso迪LAVORO。
MATLAB consente迪costruire MODELLI迪深度学习CON poche的特价迪codice。精读MATLAB，è不可能性importare CONrapiditàMODELLI precedentemente addestrati，OLTRE一个visualizzare版eseguire IL调试DEI risultati intermedi在FASE迪regolazione代parametri迪addestramento。
È不可能性utilizzare MATLAB每apprendereËacquisire competenze NEL settore德尔深度学习。香格里拉maggior单方面迪NOI非公顷麦seguito联合国科索迪深度学习。Dobbiamo imparare在科索D'歌剧。精读MATLAB，L'apprendimento迪queste tecnicheè彪PRATICOêaccessibile。Inoltre，MATLAB consente的Agli esperti德尔settore迪eseguire personalmente IL深学习anzichéaffidare IL compito AI数据科学家，车potrebbero非conoscere IL洛罗settoreØLA罗洛applicazione。
MATLAB consente的Agli个用户迪etichettare interattivamente GLI oggetti all'interno迪immagini编è格拉多迪automatizzare L'etichettatura SUL坎波all'interno双视频每L'addestramentoé金正日测试迪MODELLI迪深度学习。Questo approccio interattivoËautomatizzato consente迪ottenere risultati米廖中米诺速度。
MATLABè格拉多迪unificare彪多米尼在联合国尤尼科flusso迪LAVORO。MATLAB TI consente迪progettareËprogrammare NEL medesimo AMBIENTE。Offre工具类Ëfunzioni每1L深度学习Ë每UNA系列双多米尼车SI servono阿布鲁algoritmi迪深度学习，来L'elaborazione迪segnali，拉visione artificialeËL'analisi迪DATI。
精读MATLABè不可能性integrare我risultati NELLE applicazioni esistenti。MATLAB consente迪automatizzare拉DISTRIBUZIONE代MODELLI迪深SISTEMI aziendali，集群，云电子dispositivi学习嵌入式。
更多信息SUL深度学习è苏esempi迪codice。
每个Ultoriori Informazioni Sull'adteStrameno E Sull'uso di Modelli di Dee Deep Learne，Vedi马铃薯那计算机Vision Toolbox™那统计和机器学习工具箱™那深度学习工具箱™E.自动化驾驶工具箱™。
Scopri迪彪SUL深度学习
