最新のリリースでは,このページがまだ翻訳されていません。このページの最新版は英語でご覧になれます。
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します。転移学習を使用して,事前学習済みのネットワークによって提供される知識を活用し,新しいデータの新しいパターンを学習することもできます。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,新しいタスクを高速に学習できます。
ネットワークアーキテクチャを定義した後,関数trainingOptions
を使用して学习パラメーターを定义しなければなりません。その后,trainNetwork
を使用してネットワークに学习させることができます。学习済みネットワークを使用して,クラスラベルまたは数値応答を予测します。
畳み込みニューラルネットワークの学习は,1つのCPUまたはGPUで,复数のCPUまたはGPUで,あるいはクラスターまたはクラウドで并列に行えます0.1つのGPUまたは并列で学习させる场合は,并行计算工具箱™が必要です。GPUを使用するには,计算能力3.0以上のCUDA®対応NVIDIA®GPUが必要です。关数trainingOptions
を使用して,実行環境を指定します。
ディープネットワークデザイナー | 深層学習ネットワークの編集および構築 |
この例では,事前学习済みの深层畳み込みニューラルネットワークGoogLeNetを使用してイメージを分类する方法を说明します。
この例では,事前学習済みの深層畳み込みニューラルネットワークGoogLeNetを使用して,Webカメラのイメージをリアルタイムで分類する方法を説明します。
新しいイメージ分类タスクを学习するように,事前学习済みの深层学习ネットワークを対话形式で微调整します。
この例では,転移学习を使用して,畳み込みニューラルネットワークの再学习を行い,新しい一连のイメージを分类する方法を说明します。
この例では,事前学習済みの畳み込みニューラルネットワークから学習済みのイメージの特徴を抽出し,これらの特徴を使用してイメージ分類器に学習させる方法を説明します。
この例では,事前学习済みのAlexNet畳み込みニューラルネットワークを微调整して,新しいイメージコレクションを分类する方法を说明します。
分类,転移学习,特徴抽出用の事前学习済みの畳み込みニューラルネットワークのダウンロード方法と使用方法を学习します。
この例では,深层学习による分类用のシンプルな畳み込みニューラルネットワークを作成し,学习を行う方法を说明します。
深层学习ネットワークを対话形式で构筑および编集します。
この例では,畳み込みニューラルネットワークを使用して回帰モデルにあてはめ,手书きの数字の回転角度を予测する方法を示します。
MATLAB®のすべての深層学習層を確認できます。
畳み込みニューラルネットワーク(事先)の層と,それらが事先に現れる順序について学習します。
ディープネットワークデザイナーからのMATLABコードの生成
MATLABコードを生成して,ディープネットワークデザイナーで作成または編集されたネットワークを再作成します。
この例では,残差結合のある深層学習ニューラルネットワークを作成し,CIFAR-10データで学習を行う方法を説明します。
这个例子展示了如何训练一个生成对抗网络(GAN)来生成图像。
这个例子展示了如何训练一个使用自定义学习速率计划对手写数字进行分类的网络。
此示例示出了如何训练深度学习网络与预测二者的标签和的手写体数字旋转角度的多个输出。
此示例示出了如何训练连体网络识别的手写字符相似的图像。
畳み込みニューラルネットワークを使用して分類や回帰を行うMATLABの深層学習機能を確認します。これには,事前学習済みのネットワークと転移学習のほか,CPU、GPU,クラスター,およびクラウドでの学習が含まれます。
畳み込みニューラルネットワークの学习パラメーターの设定方法を学习します。
学习,予测,および分类用にイメージのサイズを変更する方法と,データ拡张,変换,および専用のデータストアを使用してイメージを前处理する方法を学びます。
ボリュームイメージとラベルデータを読み取り,3次元深層学習向けに前処理します。
深層学習アプリケーションでデータストアを使用する方法を学びます。
この例では,学习済み分类ネットワークを回帰ネットワークに変换する方法を说明します。
深層学習ネットワークの精度を改善する方法を学習します。