이번역페이지는최신내용을담고있지않습니다。최신내용을영문으로보려면여기를클릭하십시오。
전이학습을사용하여사전훈련된이제공하는지식을활용해데이터의의새패턴을학습수도수도전이학습을통해사전훈련영상분류신경망을미세하는것이일반것것것이적으로으로부터훈련시키는것훨씬더빠르고쉽습니다。사전훈련된신경망을사용하면새로운신경망을정의하고시키거나,수백만개의영상갖거나,강력한gpu를가질필요필요이새작업을빠르게학습할할수수수수
신경망아키텍처를정의한후에trainingOptions
함수를사용하여훈련파라미터를정의해야합니다。그런다음trainNetwork
를사용하여신경망을훈련시킬수있습니다。훈련된신경망을사용하여클래스레이블이나숫자형응답변수를예측합니다。
CPU CPU、GPU여러개의나GPU또는클러스터나클라우드에서병렬로컨벌루션신경망을훈련시킬수있습니다。GPU에서또는병렬로훈련시키려면并行计算工具箱™가필요합니다。GPU를사용하려면CUDA®지원英伟达®GPU(计算能力3.0이상)가필요합니다。trainingOptions
함수를사용해서실행환경을지정하십시오。
심층신경망디자이너 | ,딥러닝신경망의설계시각화및훈련 |
ConfusionMatrixChart属性 | 混淆矩阵图的外观和行为 |
이예제에서는사전훈련된심층컨벌루션신경망GoogLeNet을사용하여영상을분류하는방법을보여줍니다。
이예제에서는사전훈련된심층컨벌루션신경망GoogLeNet을사용하여웹캠의영상을실시간으로분류하는방법을보여줍니다。
사전훈련된딥러닝이새로운영상분류작업을학습대화형대화형방식으로미세조정합니다。
이예제에서는새로운영상세트를분류할수있도록전이학습을사용하여컨벌루션신경망을다시훈련시키는방법을보여줍니다。
이예제에서는사전훈련된컨벌루션신경망학습된특징을추출한다음추출특징사용하여하여영상분류기를시키는방법을보여보여분류기를시키는방법을보여보여
这个例子展示了如何微调预先训练的GoogLeNet卷积神经网络来对新的图像集合进行分类。
분류,전이학습및특징추출을위해사전훈련된컨벌루션신경망을다운로드하고사용하는방법을알아봅니다。
이예제에서에서는딥러닝딥러닝분류용간단한컨벌루션신경망을만들고훈련시키는방법을보여
딥러닝신경망을대화형방식으로구축하고편집합니다。
이예제에서는컨벌루션신경망을사용하여손으로쓴숫자의회전각도를예측하는회귀모델을피팅하는방법을보여줍니다。
MATLAB®에서제공하는딥러닝계층에대해알아봅니다。
컨벌루션신경망(事先)에는어떤계층이있는지그리고이들계층이事先에서어떤순서로나타나는지알아봅니다。
生成MATLAB代码,以重新设计和训练网络在深层网络设计者。
이예제에서는잔차연결을사용하여딥러닝신경망을만들고CIFAR-10데이터에대해훈련시키는방법을보여줍니다。
这个例子展示了如何创建和训练一个简单的神经网络深度学习特征数据分类。
学习如何定义和训练具有多个输入或多个输出的深度学习网络。
이예제에서는생성적적대신경망(GAN)을훈련시켜서영상을생성하는방법을보여줍니다。
这个例子展示了如何训练一个条件生成对抗网络来生成图像。
这个例子展示了如何训练一个网络将一个图像的样式转换到另一个图像。
这个例子展示了如何使用注意力训练图像字幕的深度学习模型。
此示例显示如何训练将手写数字与自定义学习率计划分类的网络。
这个例子展示了如何训练具有多个输出的深度学习网络来预测手写数字的标签和旋转角度。
这个例子展示了如何训练一个暹罗网络来识别类似的手写字符的图像。
这个例子展示了如何导入具有平方和误差(SSE)损失的自定义分类输出层,并将其添加到深度网络设计器中的预训练网络。
这个例子展示了如何使用深度网络设计器来构造和训练一个图像到图像回归网络的超分辨率。
사전훈련된신경망및전이학습,그리고GPU, CPU、클러스터및클라우드에서의훈련등분류및회귀에컨벌루션신경망을사용하여MATLAB의딥러닝기능을알아봅니다。
컨벌루션신경망의훈련파라미터를설정하는방법을알아봅니다。
훈련,예측및분류를위해영상의크기를조정하는방법과데이터증대,변환및특화된데이터저장소를사용하여영상을전처리하는방법을알아봅니다。
读取和预处理体积图像和标签数据,以进行三维深度学习。
了解如何在深度学习应用程序中使用数据存储。
이예제에서는훈련된분류신경망을회귀신경망으로변환하는방법을보여줍니다。
딥러닝신경망의정확도를높이는방법을알아봅니다。
为各种深度学习任务发现数据集。
在深层网络设计器中导入和可视化数据。