Erstellen tiefer neuronaler Netze
Erstellen Sie Netze von Grund auf mithilfe von MATLAB®-Code oder interaktiv mit der App Deep Network Designer. Verwenden Sie integrierte Schichten, um Netze für Aufgaben wie Klassifizierung und Regression zu konstruieren. Eine Liste der integrierten Schichten finden Sie unter List of Deep Learning Layers. Sie können dann Ihr Netz analysieren, um die Netzarchitektur zu verstehen und es vor dem Training auf Probleme zu prüfen.
Wenn Sie unter den integrierten Schichten nicht die Schicht finden, die Sie für Ihre Aufgabe benötigen, können Sie eine eigene Deep-Learning-Schicht definieren. Sie können benutzerdefinierte Schichten mit erlernbaren und Zustandsparametern definieren. Nachdem Sie eine benutzerdefinierte Schicht definiert haben, können Sie überprüfen, ob die Schicht gültig und GPU-kompatibel ist und korrekt definierte Gradienten ausgibt.
Für Modelle, die nicht als Netz von Schichten angegeben werden können, können Sie das Modell als Funktion definieren. Ein Beispiel für das Training eines Deep-Learning-Modells, das als Funktion definiert ist, finden Sie unter Train Network Using Model Function.
Apps
| Deep Network Designer | Entwurf und Visualisierung von Deep-Learning-Netzen |
Funktionen
Themen
Integrierte Schichten
- Long Short-Term Memory Neural Networks
Learn about long short-term memory (LSTM) neural networks. - Erstellen eines einfachen neuronalen Deep-Learning-Netzes für die Klassifizierung
Dieses Beispiel veranschaulicht, wie Sie ein einfaches Convolutional Neural Network für die Deep-Learning-Klassifizierung erstellen und trainieren können. - List of Deep Learning Layers
Discover all the deep learning layers in MATLAB. - Build Networks with Deep Network Designer
Interactively build and edit deep learning networks in Deep Network Designer. - Create and Train Network with Nested Layers
This example shows how to create and train a network with nested layers using network layers. (Seit R2024a) - Example Deep Learning Networks Architectures
This example shows how to define simple deep learning neural networks for classification and regression tasks. - Choose an AI Model
Explore options for choosing an AI model. - Generieren von MATLAB-Code aus Network Designer
Generieren von MATLAB-Code zur Wiederherstellung der Netzwerkarchitektur in Deep Network Designer.
Benutzerdefinierte Schichten
- Define Custom Deep Learning Layers
Learn how to define custom deep learning layers. - Deep Learning Network Composition
Define custom layers that contain neural networks. - Define Nested Deep Learning Layer Using Network Composition
This example shows how to define a nested custom deep learning layer. - Check Custom Layer Validity
Learn how to check the validity of custom deep learning layers. - View Autogenerated Custom Layers Using Deep Network Designer
This example shows how to import a pretrained TensorFlow™ network and view the autogenerated layers in Deep Network Designer.
Enthaltene Beispiele
Sequenz-Klassifizierung mithilfe von Deep Learning
Dieses Beispiel veranschaulicht, wie Sie Sequenzdaten mithilfe eines LSTM-Netzes (Long-Short-Term-Memory, langes Kurzzeitgedächtnis) klassifizieren können.
Convert Classification Network into Regression Network
Convert a trained classification network into a regression network.
Sequence Classification Using 1-D Convolutions
Classify sequence data using a 1-D convolutional neural network.
Build Image-to-Image Regression Network Using Deep Network Designer
Use Deep Network Designer to construct an image-to-image regression network for super resolution.
Multilabel Image Classification Using Deep Learning
Use transfer learning to train a deep learning model for multilabel image classification.
Train Neural ODE Network
Train an augmented neural ordinary differential equation (ODE) network.
Erste Schritte mit Deep Network Designer
Dieses Beispiel zeigt, wie ein einfaches rekurrentes neuronales Netz für die Deep-Learning-Sequenzklassifizierung mit Deep Network Designer erstellt wird.
Erste Schritte in der Bildklassifizierung
In diesem Beispiel wird gezeigt, wie ein einfaches Convolutional Neural Network zur Deep-Learning-Klassifizierung mit der App Deep Network Designer erstellt wird. Convolutional Neural Networks sind wichtige Werkzeuge für das Deep Learning und eignen sich vor allem für die Bilderkennung.
