メ,ジを使用した深層学習
事前学習済みのネットワ,クを使用して新しいタスクを高速に学習させる。または,畳み込みニュ,ラルネットワ,クにゼロから学習させる
転移学習を使用し,事前学習済みのネットワークで得られる知識を活用して新しいデータに含まれる新しいパターンを学習させます。通常は,転移学習によって事前学習済みのイメージ分類ネットワークを微調整する方が,ゼロから学習させるよりもはるかに簡単で時間がかかりません。事前学習済みの深いネットワークを使用すると,数百万のイメージや強力なGPUを用意して新しいネットワークの定義と学習を行うことなく,新しいタスクのモデルを高速に作成できます。ネットワークアーキテクチャを定義し,ネットワークにゼロから学習させて,イメージの分類タスクと回帰タスク用の深いネットワークを新しく作成することもできます。
関数trainNetwork
およびtrainingOptions
を使用してネットワ,クに学習させたり,dlnetwork
オブジェクトや関数dlarray
を使用してカスタム学習ル,プを指定したりすることができます。
畳み込みニューラルネットワークの学習は,1つのCPUまたはGPUで,複数のCPUまたはGPUで,あるいはクラスターまたはクラウドで並列に行えます。1つのGPUまたは並列で学習させる場合は,并行计算工具箱™が必要です。GPUを使用するには,サポートされているGPUデバイスが必要です(サポートされているデバイスについては,Gpu計算の要件(并行计算工具箱)を参照してください)。関数trainingOptions
を使用して,実行環境を指定します。
よく参照されるトピック
カテゴリ
- イメージ用の事前学習済みのネットワーク
事前学習済みのネットワ,クを使用して新しいタスクを高速に学習させる - イメージ用の深いネットワーク
深層ニュ,ラルネットワ,クを作成してゼロから学習させる - 深いネットワクのメジ用途向けカスタマズ
深層学習の学習ルプおよび損失関数のカスタマズ - イメージ用のデータ前処理
深層学習用のデ,タの管理と前処理