深度学习数据预处理
管理和预处理数据深度学习
预处理数据是一种常见的深度学习工作流程的第一步准备原始数据在网络上可以接受的格式。例如,您可以调整图像的输入匹配图像输入层的大小。您还可以进行预处理的数据来提高或降低工件所需的特性,这些特性可以偏见网络。例如,你可以从输入数据或删除噪音正常化。
你可以输入预处理图像与调整等操作通过使用数据存储在MATLAB和功能可用®和深度学习工具箱™。其他MATLAB工具箱提供的功能、数据存储和应用标签、加工、增加深度学习数据。从其他MATLAB工具箱使用专门的工具来处理数据图像处理等领域,对象检测、语义分割、信号处理、音频处理和文本分析。
应用程序
主题
数据预处理深度学习
- 深度学习的数据集
发现数据集各种深度学习任务。 - 创建和探索数据存储的图像分类
这个例子显示了如何创建、读取、并提高图像数据存储用于培训深入学习网络。 - 预处理图像深度学习
学习如何调整图片培训、预测和分类,以及如何使用数据预处理图像,转换和专门的数据存储。 - 预处理卷深度学习
阅读和预处理容积图像和标签数据三维深度学习。 - 预处理数据为特定领域的深度学习应用程序
执行确定性或随机数据处理等领域的图像处理、目标检测、语义分割,信号和音频处理和文本分析。
标签地面真理训练数据
- 选择一个应用程序标签地面实况数据
决定使用哪个应用程序标签地面实况数据:图片标志,贴标签机视频,地面实况贴标签机,激光雷达贴标签机,信号贴标签机,或医学图像贴标签机。 - 标签像素为语义分割(计算机视觉工具箱)
标签像素培训语义分割网络通过使用标签应用。 - 开始标签与地面真理(自动驾驶工具箱)
交互式地标签同时多个激光雷达和视频信号。 - 自定义标签功能(信号处理工具箱)
创建和管理自定义标签功能。 - 标签口语单词音频信号(信号处理工具箱)
使用信号贴标签机以标签文字的音频信号。
自定义数据存储
- 数据存储深度学习
学习如何使用深度学习应用程序中数据存储。 - 数据存储准备Image-to-Image回归
这个例子展示了如何准备训练的数据存储image-to-image回归网络使用变换和结合的功能ImageDatastore。 - 列车网络的使用内存不足的序列数据
这个例子展示了如何培养深入学习网络改造,结合数据存储内存不足的序列数据。 - 使用卷积神经网络分类文本数据
这个例子展示了如何使用卷积神经网络分类文本数据。 - 内存不足使用深度学习文本数据进行分类
这个例子展示了如何将内存不足与深入学习网络文本数据使用一个转换数据存储。
